基于随机Fourier有监督特征变换降维算法的人脸检测方法

摘要：

针对传统人脸检测方法采用空间向量对复杂环境下的高维度人脸特征进行辨识时,存在检测效率低、检测精度差的问题,提出一种基于随机Fourier有监督特征变换降维算法的人脸检测方法.首先,通过随机Fourier映射随机形成大规模多维候选集合,采用特征选择算法获取特征集内的最佳子集;其次,基于l 2,1范数的极限学习机,产生高斯核拟合效果的随机映射,利用l 2,1正规则化过滤掉人脸随机特征中的无价值及冗余特征,并对该过程进行优化,提高人脸特征降维的精度;最后,采用基于降维特征与Adaboost算法的人脸检测方法获取的降维特征,通过Boosted级联算法获取级联分类器,实现人脸特征的准确检测.实验结果表明,该方法的漏检率和误检率均为8％,平均检测时间为118 ms,运行效率和检测精度均较高.

关键词：随机Fourier、有监督、特征变换、降维算法、正规则化、人脸检测

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61402099

在线出版日期：2019-06-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：640-646