资料下载
×
基于Bagging-SVM集成分类器的头部姿态估计方法
消耗积分:0 |
格式:rar |
大小:5.40 MB |
2021-05-07
分享资料个
针对现有常用分类器性能不能满足头部姿态估计对准确率的要求，以及光照变化影响头部姿态估计准确率的问题，提出了一种基于 Bagging-SVM集成分类器的头部姿态估计方法。首先，通过图片预处理和Adaboost检测人脸区域算法减少背景、光照等干扰因素对于头部姿态特征提取的影响。其次，采用融合方向棁度直方图（HOG特征和局部二值模式（LBP）特征分别对人脸的轮廓特征和纹理特征进行提取。然后，通过成分分析（PCA）对融合的头部姿态特征进行特征选择，抽取其主元特征分量供分类器进行训练。最后，通过Bagging方法构建多个训练数据集，并采用支持向量杌（SⅥM）对每个数据集进行训练，产生多个弱分类器，多个弱分类器投票决定测试样本所属类别。将该算法在 Pointing‘04数据集、CAS-PEAL-R数据集和自建数据集上进行验证实验，实验结果表眀提岀的算法相比线性判别分类器（LDA）、朴素贝叶斯分类器（NB）等常用分类算法具有更高的分类准确率，对光照的变化具有较好的鲁棒性.
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
