【摘要】 一种改进AdaBoost算法的鲁棒人耳检测方法属于图像模式识别技术领域。其特征在于，提出了一种性能良好的复杂背景下的人耳检测方法。它提出四种不对称的Haar-like拐角特征用来描述人耳局部区域的灰度变化；采用了分段选取的策略对Haar-like特征的最优分类阈值进行选取，减少了样本训练时间；对弱分类器的权重进行改进，降低分类器的误检率；还根据训练中样本权重的分布变化，设置排除阈值HW，从而防止过学习现象的产生，使人耳检测的漏检率和误检率得到降低；另外，还提出一种单耳检测策略，使得检测效率和检测效果都得到提高。在PC机和DSP上的应用结果表明了本发明的优异性能。 【专利类型】发明授权 【申请人】北京科技大学 【申请人类型】学校 【申请人地址】100083 北京市海淀区学院路30号 【申请人地区】中国 【申请人城市】北京市 【申请人区县】海淀区 【申请号】CN200810223946.9 【申请日】2008-10-10 【申请年份】2008 【公开公告号】CN101398893B 【公开公告日】2010-09-01 【公开公告年份】2010 【授权公告号】CN101398893B 【授权公告日】2010-09-01 【授权公告年份】2010.0 【IPC分类号】G06K9/00; G06K9/62 【发明人】穆志纯; 徐正光; 敦文杰; 李文晶; 张锋 【主权项内容】一种改进AdaBoost算法的鲁棒人耳检测方法，其特征在于，步骤如下：1)训练阶段：第一步，采用摄像头采集人耳和非人耳图像样本，对样本进行尺寸和光照的归一化处理；第二步，利用采集到的样本进行训练，构造能够区分人耳样本和非人耳样本的矩形特征及相应的弱分类器；第三步，利用得到的弱分类器和改进的AdaBoost算法进行进一步训练，得到一层人耳/非人耳强分类器；第四步，重复第二步到第三步的训练过程，得到结构由简单到复杂的多层分类器；第五步，把第四步得到的分类器级联起来，得到一个完整的人耳检测器；2)检测阶段：第六步，按照1.2比例连续放大检测窗口，并用得到的检测窗口按1-6像素的步长遍历图片从而提取所有被检测的子窗口，得到待检测子图像集；第七步，计算各子图像的积分图；第八步，利用训练得到的完整的人耳检测器进行检测，如果任意一层强分类器输出低于训练所得的该层强分类器阈值，即认为待检测子图像为非人耳而不进行后续判断，只有那些通过所有层分类器判断的子窗口被认为是一个人耳；第九步，对检测的结果窗口进行合并和划线。 【当前权利人】北京科技大学 【当前专利权人地址】北京市海淀区学院路30号 【统一社会信用代码】121000004000022245 【被引证次数】1 【被自引次数】1.0 【家族被引证次数】51
