文档介绍：基于����的眉毛检测与定位�/慨���引言����级联分类器基本原理��������������李厚君李玉镒�利用人体生物特征进行身份识别认证,可靠性高且方便易用,因此有着广泛的应用前景。眉毛作为人体生物特征的一部分,具有复杂多样的轮廓、形态和细节特征,它受光照和表情的影响较小,且获取方便。相较于人脸、虹膜、步态等识别方式,眉毛识别有更好的稳定性和抗干扰性��D壳埃�τ�于眉毛识别的方法主要包括:基于特征串比较的眉毛识别方法【�、基于离散��拿济�侗鸱�法���约盎�赑�的眉毛识别方法��5�牵��于眉毛区域的定位和选取,现在仍采取手动或半自动��姆椒ǎ�庠谝欢ǔ潭壬舷拗屏嗣济�魑6懒�生物特征进行身份鉴别的推广及应用。为快速准确地找出眉毛所在的位置,本文把��������提出的构造级联分类器的����算法,经过适当改造并应用于眉毛检测中,从而实现了眉毛的快速检测和定位。��特征提取����算法在人脸检测定位等领域都有很总第�����年第��计算机与数字工程�本┕ひ荡笱Ъ扑慊�г罕本����摘要文章利用�����〔ḿ捌淅┱固卣鳎�袮����惴ㄓτ糜诿济ǖ淖远�觳庥攵ㄎ弧J笛槭�莅�ǘ�人的���济�枷瘢�咳吮昭酆驼鲅鄹饕环��直鹩糜谘盗泛筒馐裕�笮【������Mü�颜庑┩枷袼跣�/�后进行����训练,解决了其速度较慢和对内存需求较高的问题。实验结果表明,����级联分类器的训练耗时约����测试耗时每幅图像约��,对眉毛检测和定位测试的精度达到了�.�ァ�关键词�济ḿ觳庥攵ㄎ唬籋����特征;����级联分类器中图分类号����������,���������,��·收稿日期:��年��日,修回�期:��年����基金项目:国家自然科学基金�嗪牛�����;北京市�����钅浚槐本┦懈卟愦稳瞬沤ㄉ柘钅亢捅本┦薪�委科技计划项目�嗪牛篕�������资助。作者简介:李厚君,男,硕士研究生,研究方向:模式识别。,教授,博士生导师,研究方向:模式识别和机器学习。������������珺�������������������。���.�������.����,���������。�����.�����.������瓸���,������.������
一◇一回正目正口嗣◇◇肌�骸�∑:��舡�莘�:�琓∥��姒�一��初始化权重:���芴���歹�,�����;黼����。�以��ㄖ毓橐换�海��琲�『εσ唬�旬一∑一������啤辤��瑈�弧芇埘。如图�校��狝区域灰度之【��笛榻峁�敕治�被分类正确时煅一��粗�阂�;屈一≠��其中���!����滤�腥ㄖ兀号��甁—�琷犀一气,其中当而好的应用��K�谀勘昙觳夤�讨校�枰J褂酶髦�特征对目标区域进行建模,这些特征都应是能区分目标区域与非目标区域的。本文针对眉毛的形状特点,采用了由���热颂岢龅腍����小波特征及其扩展���缤�所示。这些特征分别检测了边界、线性和中心的特征。它们的计算值,即为组成这些矩形区域的灰度积分之和:式中,∞�>匦蔚娜ㄖ担�������>匦蝆所围图像的灰度积分;�W槌蒮����木�形个数。在实际计算中,可以通过计算图像的积分图����焖�的得到这些特征值。��积分图计算积分图的概念是由���热颂岢龅摹I鑀卅表示图像某点的灰度值,则图像上某一点的积分图和,�骸N