基于Haar-NMF特征和级联AdaBoost的脱岗检测算法

• 作者: 王军 王玉楠 薄煜明 魏京天
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 脱岗检测 Haar特征 非负矩阵分解 AdaBoost算法
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 先进算法与人工智能
• 页码范围: 50-55
• 页数: 6页
• 分类号: TP391.4
• 字数: 4075字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2019.02.011

摘要

针对值班室人员的岗位执勤情况进行实时检测的需求,设计了一种脱岗检测系统,它使用低维的Haar-NMF特征代替Haar特征的方法以减少计算量,同时采用级联分类器代替单一的分类器结构以提高检测的准确性.该系统分为训练和测试两个部分,训练部分包括利用非负矩阵分解对Haar特征进行降维生成Haar-NMF特征和级联AdaBoost分类器的训练,经过数次训练后得到的各弱分类器根据训练过程中的权值加权组成一个强分类器,该分类器具有较高的学习效率,检测速度有明显提升.测试部分根据实际检测效果中存在的误检情况对检测算法进行修正和优化.实验验证了该系统具有相当高的检测率和较低的误检率,有助于避免在岗位无人值守时发生意外及损失财产.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薄煜明	南京理工大学先进发射协同创新中心	146	991	15.0	23.0
2	王军	南京理工大学先进发射协同创新中心	66	259	8.0	9.0
3	魏京天	南京理工大学先进发射协同创新中心	1	2	1.0	1.0
4	王玉楠	东北大学计算机科学与工程学院	2	2	1.0	1.0