Haar级联分类器概述

这篇具有很好参考价值的文章主要介绍了Haar级联分类器概述。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

Haar级联分类器概述

—— 才疏学浅, 难免有错误和遗漏, 欢迎补充和勘误.

  • Haar级联分类器是基于Haar-like特征,运用积分图加速计算,并用Adaboost训练的强分类器级联的方法来进行人脸检测。
  • 目前常用Haar-like特征的分类有:
    Haar级联分类器概述
图1. Haar-like特征分类
  • 首先定义每个Haar-like特征的特征值 f i f_i fi为:
    featurevalue i = _{i}= i= weight white ∑ p ∈  wite  p \sum_{p \in \text { wite }} p p wite p - weightblack ∑ p  Eblack  p \sum_{p \text { Eblack }} p p Eblack p
    f i f_i fi=白色区域像素-黑色区域像素,weight为权重值,其是为了白、黑两种矩形区域的像素数目一致,保证在灰度绝对均匀的地方其特征值是0。
  • Haar-like特征的值经过运算可以反映该区域的灰度变化情况,将一副输入图像的每一个区域也做类似的运算后与训练集中图像的Haar-like特征值对比,如图2所示,根据生活实际我们有以下常识:在人脸上鼻梁两边部位的颜色比鼻梁处更深,两个眼睛部位的颜色比旁边脸颊处更深等,所以可以据此判断输入图像是否具有人脸特征。
    Haar级联分类器概述
图2. Haar-like特征在人脸图中的应用
  • 特征模板经过平移、伸缩变换得到一系列新的矩形特征。矩形特征根据其类型、位置和大小的不同,可以在一副图像中可以生成非常多的矩形特征从而增大了计算压力,所以需要运用积分图的方法来提高特征值的计算效率。
  • 积分图的构造方式是:位于图像 ( i , j ) (i,j) (i,j)处的积分图 i i ( i , j ) ii(i,j) ii(i,j)是该处左上角方向所有像素 f ( k , l ) f(k,l) f(k,l)的和:integral_image ( i , j ) = i i ( i , j ) = ∑ k ≤ i , l ≤ j f ( k , l ) (i, j)=i i(i, j)=\sum_{k \leq i, l \leq j} f(k, l) (i,j)=ii(i,j)=ki,ljf(k,l)
  • 积分图在图像各个点的处上储存了其左上角所有像素的和,下面是对图像中某一区域运用积分图计算Haar-like特征来得到其特征值:
    Haar级联分类器概述
图3. 矩形特在坐标中的表示

区域A的像素值为: i i ( 5 ) + i i ( 1 ) − i i ( 2 ) − i i ( 4 ) ii(5) + ii(1) - ii(2) - ii(4) ii(5)+ii(1)ii(2)ii(4)
区域B的像素值为: i i ( 6 ) + i i ( 2 ) − i i ( 5 ) − i i ( 3 ) ii(6) + ii(2) - ii(5) - ii(3) ii(6)+ii(2)ii(5)ii(3)
该矩形特征的特征值为: i i ( 5 ) + i i ( 1 ) − i i ( 2 ) − i i ( 4 ) − [ i i ( 6 ) + i i ( 2 ) − i i ( 5 ) − i i ( 3 ) ] = [ i i ( 5 ) − i i ( 4 ) ] + [ i i ( 3 ) − i i ( 2 ) ] − [ i i ( 2 ) − i i ( 1 ) ] − [ i i ( 6 ) − i i ( 5 ) ] \begin{array}{l} ii(5) + ii(1) - ii(2) - ii(4) - \left[ {ii(6) + ii(2) - ii(5) - ii(3)} \right]\\ = \left[ {ii(5) - ii(4)} \right] + \left[ {ii(3) - ii(2)} \right] - \left[ {ii(2) - ii(1)} \right] - \left[ {ii(6) - ii(5)} \right] \end{array} ii(5)+ii(1)ii(2)ii(4)[ii(6)+ii(2)ii(5)ii(3)]=[ii(5)ii(4)]+[ii(3)ii(2)][ii(2)ii(1)][ii(6)ii(5)]文章来源地址https://www.toymoban.com/news/detail-470189.html

  • 对于 m m m个正、负样本图像中的某个固定特征fi计算出每张图像该特征的特征值,将计算出的 m m m个特征值进行排序和打标识,然后根据上节(基于AdaBoost级联分类器的人脸/眼睛位置检测算法概述)1.中的原理取到最优阈值并获得该特征下的最优弱分类器,根据上节2.和3.原理来训练出该特征的强分类器,最终通过级联的方式获得Haar级联分类器。下图为运用Haar级联分类器来检测人脸的过程:
    Haar级联分类器概述
图4. Haar级联分类器检测人脸过程

到了这里,关于Haar级联分类器概述的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • OpenCV自带的HAAR级联分类器对脸部(人脸、猫脸等)的检测识别

    在计算机视觉领域,检测人脸等是一种很常见且非常重要的应用,我们可以先通过开放计算机视觉库OpenCV来熟悉这个人脸识别领域。另外OpenCV关于颜色的识别,可以查阅: OpenCV的HSV颜色空间在无人车中颜色识别的应用 HSV颜色识别的跟踪实践 https://blog.csdn.net/weixin_41896770/arti

    2024年02月16日
    浏览(41)
  • python opencv 级联Haar多目标检测

    一、基于OpenCV的haar分类器实现笑脸检测 1、Haar分类器介绍 🚀Haar分类器是一种基于机器学习的目标检测算法,它使用Haar特征描述图像中的目标。Haar特征是基于图像亮度的局部差异计算得出的,可以用来描述目标的边缘、角落和线条等特征。 使用Haar分类器进行目标检测的步

    2024年02月17日
    浏览(46)
  • OpenCV实战(31)——基于级联Haar特征的目标检测

    在机器学习基础一节中,我们介绍了机器学习的一些基本概念,并通过使用不同类别的样本来构建分类器。但这种方法训练分类器需要存储所有样本的表示,然后通过查看最近标记点(最近邻居)来预测新实例的标签。对于大多数机器学习方法,训练是一个迭代过程,在此过程

    2024年02月09日
    浏览(31)
  • 【youcans 的图像处理学习课】23. 人脸检测:Haar 级联检测器

    专栏地址:『youcans 的图像处理学习课』 文章目录:『youcans 的图像处理学习课 - 总目录』 基于 Haar 特征的级联分类器是 Paul Viola 在论文”Rapid Object Detection using a Boosted Cascade of Simple Features”中提出的一种目标检测方法。 Haar 级联分类器在每一级的节点中,使用 AdaBoost 算法学

    2024年02月07日
    浏览(47)
  • OpenCV 入门教程:Haar特征分类器

    Haar 特征分类器是图像处理中常用的目标检测算法,用于识别图像中的特定目标。该算法基于 Haar-like 特征模板,通过训练分类器来实现目标的检测和定位。 Haar 特征分类器在人脸检测和物体识别等领域具有广泛应用。本文将以 Haar 特征分类器为中心,为你介绍使用 OpenCV 进行

    2024年02月15日
    浏览(36)
  • 基于OpenCV的haar分类器实现人脸检测分析

    今天来分享两个基于OpenCV实现的识别人脸的不同应用。 1、Haar分类器介绍 🚀Haar分类器是一种基于 机器学习 的目标检测算法,它使用Haar特征描述图像中的目标。Haar特征是 基于图像亮度的局部差异 计算得出的,可以用来描述目标的边缘、角落和线条等特征。 使用Haar分类器

    2024年02月03日
    浏览(40)
  • 利用OpenCV Haar分类器检测人脸(python实现)

    人脸检测(Face Detection)是当前目标检测领域中一项非常热门的研究领域,它是人脸识别与人脸表情分析的核心,本篇文章介绍采用OpenCV中Haar分类器算法对图片中人脸的检测,并通过矩形框讲人脸与眼睛位置框选与标记. Haar级联分类器是一种基于特征提取和机器学习的对象检

    2024年02月05日
    浏览(50)
  • 谷粒商城第十天-分组新增级联显示商品分类&分组修改级联回显商品分类

    目录 一、总述 二、前端实现 三、后端实现 四、总结 本次就是一个小的优化。 就是分组新增或者是修改的时候,直接显示商品分类的id可读性不高,新增的时候需要填写对商品分类的id,修改的时候,就只是给你一个商品分类的数字,并不能直接显示到底是什么分类。 那有

    2024年02月14日
    浏览(45)
  • ROS OpenCV 级联分类器

    Haar级联分类器 、 HOG级联分类器 和 LBP级联分类器 都是计算机视觉中用于 目标检测的特征提取与分类 方法,它们各自利用不同的图像特征进行训练,并且通常结合级联结构来提升实时性。 1. 特征描述: Haar特征由Paul Viola和Michael Jones在2001年提出, 主要用于人脸检测 。它是一

    2024年02月01日
    浏览(40)
  • OpenCV的级联分类器训练

    使用增强级联的弱分类器包括两个主要阶段:训练和检测阶段。对象检测教程中有描述使用基于 HAAR 或 LBP 模型的检测阶段。这里主要介绍训练增强分类器级联所需的功能,包括:准备训练数据、执行实际模型训练、可视化训练。 目录 一、训练数据准备 1、负样本 2、正样本

    2024年02月13日
    浏览(42)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包