文献类型：期刊文章

作　　者：贾晓琪[1]

JIA Xiaoqi(Department of Computer and Information Engineering,Shanxi Institute of Energy,Jinzhong 030600,China)

机构地区：[1]山西能源学院计算机与信息工程系,山西晋中030600

出　　处：《现代信息科技》

年　　份：2024

卷　　号：8

期　　号：18

起止页码：172-175

语　　种：中文

收录情况：普通刊

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。同时,AAM模型可以为AdaBoost提供一个更为精细的面部特征点定位,从而提高整体的面部特征点检测性能。

关 键 词：特征点检测 ADABOOST AAM模型  

分 类 号：TP391.4]