针对嘴部作为人脸的重要信息集中点之一这个特性，提出了一种用于驾驶员疲劳检测的嘴部状态的研究算法。首先采用改进的Adaboost算法精确定位人脸区域，然后利用迭代式阈值选择法对人脸下半部分进行二值化处理，得到嘴部完整轮廓后使用Harris角点检测找出嘴角，同时矫正倾斜嘴部，最后通过计算嘴部张开度和持续时间来判断是否疲劳。实验表明，该算法具有较快的速度，同时对疲劳检测的进一步研究有重要的作用。
2021-01-29 14:10:44
1.2MB
1
为了提升自然场景图像的识别精度，结合bag-of-visual word模型，提出了一种基于核稀疏表示的图像识别方法。该方法的图像描述部分主要利用核稀疏表示在高维度空间进行图像特征的匹配表示，识别部分采用AdaBoost分类器，对各个类别编码并在对应的核矩阵上进行划分，从而实现多类场景图像的识别能力。实验结果表明，该方法有效的提升了图像描述的准确度与对自然场景图像识别的精度。
2021-01-29 11:12:59
1.2MB
1
本基于MATLAB图像处理的疲劳驾驶检测提出了一种基于视觉信息和人工智能的驾驶员睡意自动检测模块。该系统的目的是对驾驶员的面部和眼睛进行定位、跟踪和分析，计算睡意指数，以防止事故的发生。人脸和眼睛的检测都是通过AdaBoost分类器来实现的。为了提高人脸跟踪的精度，提出了一种检测与目标跟踪相结合的方法。提出的人脸跟踪方法，还具有自校正能力。在找到眼睛区域后，利用局部二值模式（LBP）提取眼睛特征。利用这些特征，训练一个支持向量机分类器（SVM）进行眼睛状态分析。
2020-05-02 20:54:37
741KB
1
基于Haar+Adaboost人脸识别
使用python+cv2实现
具体算法原理待日后整理说明
先上传可实现代码，有需要的自行前往下载。
代码运行环境：
jupyter notebook+python3
2020-04-06 14:16:09
2KB
1
Haar特征+Adaboost的C实现，MIT人脸库，部分简单功能借助opencv实现。内附两篇参考论文及博客参考
2020-02-06 03:03:27
179.21MB
1
本人研究生阶段写文档所写的Matlab代码。
包括：
1、图片预处理；
2、特性提取：颜色、灰度共生矩阵、灰度差分、Harr-Like、等多个特征提取算法；
3、特性选择：从特征向量中选取有效的特性；
4、基础算法：AdaBoost的训练与测试; Bayes算法
5、AdaBoost的改进：Boosting, CastBoost、FloatBoost
2020-01-17 03:05:03
256KB
1