【技术实现步骤摘要】
本专利技术属于模式识别
,具体涉及到,即对正面端正人脸的检测判别方法。
技术介绍
人脸检测技术一直是模式识别和计算机视觉等领域的研究热点,具有十分广泛的应用前景。在人脸检测研究领域,以Paul Viola提出的AdaBoost算法为里程碑,使人脸检测技术走向实用,AdaBoost算法与以往的人脸检测算法相比具有较高检测精度及快速性,已成为人脸检测实时系统的首选算法。AdaBoost算法是众多人脸检测算法的一种快速算法,但由于算法中大部分训练模型参数均为浮点数,计算过程也为浮点计算,这在一定程度上影响了人脸检测算法的实时 性能,也影响了在定点型嵌入式设备上使用。
技术实现思路
本专利技术的技术解决问题是克服以上技术的不足,提供一种人脸检测速度快并利于算法在定点型嵌入式设备上的定点型人脸的检测方法。本专利技术的技术解决方案是这种定点型人脸的检测方法,对AdaBoost人脸检测算法中的瀑布式级联分类器中相关训练模型参数进行浮点数转定点数处理,并对相关浮点计算过程进行定点化计算转换,该方法具体包括以下步骤(I)根据瀑布式级联分类器中强分类器和弱分类器的分类计算特点,对强分类器和弱分类器的相关参数在标定意义上进行有效分离;(2)根据弱分类器的分类计算特点进行Θ参数的浮点数转定点数处理、Harr特征的计算、积分图计算的定点化计算;(3)根据强分类器的分类计算特点及参数定义进行强分类器中at和a_th的浮点数转定点数处理;(4)将AdaBoost人脸检测算法的浮点计算转化为定点计算。由于该方法提供了分类器中浮点模型参数转化为定点数的转换方法,以及相关浮点计算转为定点 ...
【技术保护点】
一种定点型人脸的检测方法,其特征在于,对AdaBoost人脸检测算法中的瀑布式级联分类器中相关训练模型参数进行浮点数转定点数处理,并对相关浮点计算过程进行定点化计算转换,该方法具体包括以下步骤:(1)根据瀑布式级联分类器中强分类器和弱分类器的分类计算特点,对强分类器和弱分类器的相关参数在标定意义上进行有效分离;(2)根据弱分类器的分类计算特点进行θ参数的浮点数转定点数处理、Harr特征的计算、积分图计算的定点化计算;(3)根据强分类器的分类计算特点及参数定义进行强分类器中at和a_th的浮点数转定点数处理;(4)将AdaBoost人脸检测算法的浮点计算转化为定点计算。
【技术特征摘要】
1.一种定点型人脸的检测方法,其特征在于,对AdaBoost人脸检测算法中的瀑布式级联分类器中相关训练模型参数进行浮点数转定点数处理,并对相关浮点计算过程进行定点化计算转换,该方法具体包括以下步骤 (1)根据瀑布式级联分类器中强分类器和弱分类器的分类计算特点,对强分类器和弱分类器的相关参数在标定意义上进行有效分离; (2)根据弱分类器的分类计算特点进行Θ参数的浮点数转定点数处理、Harr特征的计算、积分图计算的定点化计算; (3)根据强分类器的分类计算特点及参数定义进行强分类器中at和a_th的浮点数转定点数处理; (4)将Ada...
【专利技术属性】
技术研发人员:丘江,杨慧松,张海峰,杨晔,艾奇,
申请(专利权)人:北京汉邦高科数字技术股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。