人脸检测
1.haar特征
haar特征是一种用于目标检测或者识别的图像特征,通常和Adaboost分类器组合使用。(Adaboost分类器通过从大量的haar特征中挑选出最优的特征并对其转换为对应的弱分类器进行分类)
1)常见的haar特征:
2)haar特征的计算:
用白色区域的像素的和减去黑色区域像素值的和。
注意:白色区域的权值为正值,黑色区域的权值为负值,而且权值与矩形区域的面积成反比,抵消两种区域不等造成的影响。
3)公式计算:
3)积分图
积分图用于快速计算haar矩阵的特征,在算法复杂度上只需遍历图像一次。
定义:图像由一系列的像素点组成。图像积分图中每个点的值是原图像中该点左上角的所有像素值之和。
首先计算左上角区域像素的和,得到积分图像。
通过下列公式得到图像中任意矩形区域的像素和
4)特征总数的计算。
参考:特征提取之——Haar特征 https://blog.csdn.net/yang6464158/article/details/25103703
2.级联分类器
1)弱级联分类器
2)Adaboost 是一种这类迭代算法本质就是经过多次训练不同的弱分类器,使其最终形成一个强分类器。
参考:Adaboost入门教程——最通俗易懂的原理介绍(图文实例)https://blog.csdn.net/px_528/article/details/72963977
算法流程:
问题:
参考文献:
百度文库:https://wenku.baidu.com/view/5237989ace2f0066f5332272.html