论文部分内容阅读
文章提出一种基于改进AdaBoost分类器的目标识别算法，用于克服当前级联AdaBoost分类器存在的分类识别性能不足的问题。首先，对训练样本提取图像的海量Haar-like特征，然后对提取的特征基于AdaBoost算法进行特征选择和分类器构建，最后利用所选择的特征和训练得到的AdaBoost分类器进行目标的两类识别。实验结果表明，本方法优于传统的方法，具有较好的应用意义。