基于A(yíng)daboost算法的駕駛員眨眼識別
作者：趙雪竹 王秀 朱學(xué)峰 華南理工大學(xué)自動(dòng)化科學(xué)與工程學(xué)院
時(shí)間：2009-09-08
來(lái)源：電子產(chǎn)品世界
收藏
加入技術(shù)交流群
掃碼加入
和技術(shù)大咖面對面交流
海量資料庫查詢(xún)
實(shí)驗結果如圖8所示。
從實(shí)驗結果中可以看出利用最終的負樣本訓練生成的分類(lèi)器能有效的區分出睜眼和閉眼狀態(tài)，誤檢率大大降低，說(shuō)明這樣的負樣本選擇方法行之有效。
三個(gè)實(shí)驗結果誤檢率比較如表1所示。誤檢率為錯誤檢測的圖片數除以圖片總數。
結語(yǔ)
本文通過(guò)實(shí)驗，提出了一種新的負樣本選擇方法，這樣給我們擴展訓練樣本量提供了很大的幫助，即應用一個(gè)負樣本截取軟件，通過(guò)載入先前訓練好的分類(lèi)器，不斷的收集誤檢的部分來(lái)添加進(jìn)負樣本中，作為下次訓練的新的負樣本，訓練新的分類(lèi)器。不斷循環(huán)重復這個(gè)步驟，直到達到能產(chǎn)生有滿(mǎn)意效果的分類(lèi)器。從三個(gè)實(shí)驗結果看出誤檢率逐漸減少，證明了方法的有效性。在以后的實(shí)驗中繼續采用層層迭代的方式，不斷利用訓練好的新的分類(lèi)器來(lái)增加負樣本，直到訓練出更加精確的分類(lèi)器，為后續判斷汽車(chē)駕駛員疲勞檢測做鋪墊。
評論