基于AdaBoost和AAM的面部特征点检测技术研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要：文章报告了面部特征点检测的现状，分析了AdaBoost算法的分类性能和AAM模型的建模特性。对面部特征点检测进行了研究，通过训练多个弱分类器并组合它们，提高了面部特征点检测的准确性和鲁棒性。利用AdaBoost强分类器识别的结果作为AAM模型训练的输入，提取面部特征点候选区域，降低了AAM模型重构次数，进一步降低了计算复杂度，尤其是在面部姿态和表情变化较大的情况下，提高了匹配的准确率。（剩余7930字）

试读结束

目录
monitor