基于Haar-NMF特征和级联AdaBoost的脱岗检测算法.pdfVIP

•+•年%卷/期先进算法与人工智能

基于Haar-NMF特征和级联AdaBoost的脱岗检测算法

魏京天王军王玉楠2,薄煜明1

(1.南京理工大学先进发射协同创新中心，江苏南京210094;2.东北大学计算机科学与工程学院，辽宁沈阳110819)

摘要:针对值班室人员的岗位执勤情况进行实时检测的需求，设计了一种脱岗检测系统，它使用低维的

H-rNMF特征代替H-a•特征的方法以减少计算量，同时采用级联分类器代替单一的分类器结构以提

高检测的准确性。该系统分为训练和测试两个部分，训练部分包括利用非负矩阵分解对Haai•特征进行

降维生成HaarNMF特征和级联AdaBoost分类器的训练，经过数次训练后得到的各弱分类器根据训练

过程中的权值加权组成-个强分类器，该分类器具有较高的学习效率，检测速度有明显提升。测试部分

根据实际检测效果中存在的误检情况对检测算法进行修正和优化。实验验证了该系统具有相当高的检

测率和较低的误检率，有助于避免在岗位无人值守时发生意外及损失财产。

关键词：脱岗检测；Haa•特征;非负矩阵分解;AdaBoost算法

中图分类号:TP391.4文献标识码：A文章编号：1000-8829(2019)02-0050-06

doi:10.19708/j.ckjs.2019.02.011

DetectionAlgorithmforOffPositionPersonnelBasedonHaar-]7MFFeatures

AndCascadingAdaBoost

WEIJing-tian1,WANGJun1,WANGYu-nan2,BOYu-ming1

(1.CollaborativeInnovationCenter,NanjingUniversityofScienceandTechnology,Nanjing210094,China;

2.SchoolofComputerScienceandEngineering,NortheasternUniversity,Shenyang110819,China)

AbstractA：noveldetectionsystemforoffpositionpersonnelwasdesignedforreal-timedetectingrequire­

ments.ItreplacestheHaarfeatureswitlilow-dimensionalHaar-IMMF,whichcangreatlyreducethecalculation

dimensionofHaarfeaturestogenerateHaar-INMFfeatures.Theweakclassifiersobtainedbyseveraltrainings

canconstituteaweightedstrongclassifierbasedontheweightsinthetrainingprocess.Thisclassifierhasa

highlearningefficiencyandthedetectionspeedissignif