基于AFSA和PSO融合优化的AdaBoost人脸检测算法

针对传统Ada Boost人脸检测算法存在的不足,提出一种将人工鱼群算法、粒子群优化算法和Ada Boost算法相结合的人脸检测算法.该算法利用人工鱼群算法的最佳寻优特性,弥补粒子群优化算法易陷入局部最优的不足,改善粒子样本的枯竭和退化;在Ada Boost训练框架中扩展了Haar-like特征,以排除相关度较低的Haar-like人脸样本特征;采用融合优化的AdaBoost算法寻找弱分类器权重系数的最优值,组合最佳弱分类器,级联形成最终的强分类器.实验结果表明,该算法能够有效提高检测精确率、降低训练时间,取得了较好的人脸检测效果.