主要内容

harr特征

6-2 视频分解图片

6-3 图片合成视频

6-4 Haar特征1

6-7 adaboost分类器1

主要内容

可以通过视频分解图片的方式生成样本

Harr人脸识别

harr特征

遍历时harr特征用时很大

可以通过积分图提速

# 1 样本 2 特征 3 分类器 4 预测检验
# haar+adaboost -》face
# haar 模版 adaboost 三级（强分类器弱分类器 node）
# hog 模版 svm 小狮子识别

6-2 视频分解图片

# 视频分解图片
# 1 load 2 info 3 parse 4 imshow imwrite
import cv2
cap = cv2.VideoCapture("1.mp4")# 获取一个视频打开cap 1 file name
isOpened = cap.isOpened# 判断是否打开‘
print(isOpened)
fps = cap.get(cv2.CAP_PROP_FPS)#帧率
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))#w h
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
print(fps,width,height)
i = 0
while(isOpened):if i == 10:breakelse:i = i+1(flag,frame) = cap.read()# 读取每一张 flag frame fileName = 'image'+str(i)+'.jpg'print(fileName)if flag == True:cv2.imwrite( '../images/' + fileName,frame,[cv2.IMWRITE_JPEG_QUALITY,100]) //保存到特定目录
#         cv2.imwrite(fileName,frame,[cv2.IMWRITE_JPEG_QUALITY,100])print('end!')

6-3 图片合成视频

import cv2
img = cv2.imread('image1.jpg')
imgInfo = img.shape
size = (imgInfo[1],imgInfo[0])
print(size)
videoWrite = cv2.VideoWriter('2.mp4',-1,5,size)# 写入对象 1 file name
# 2 编码器 3 帧率 4 size
for i in range(1,11):fileName = 'image'+str(i)+'.jpg'img = cv2.imread(fileName)videoWrite.write(img)# 写入方法 1 jpg data
print('end!')

6-4 Haar特征1

#haar 1 什么是haar？特征 = 像素运算 -》结果（具体值向量矩阵多维）
# 2 如何利用特征区分目标？阈值判决
# 3 得到判决？机器学习
# 1 特征 2 判决 3 得到判决

# 公式推导 1 -2
# 特征 = 整个区域*权重1 + 黑色*权重2 = （黑+白）*1+黑*（-2）=
# = 黑+白-2黑 = 白-黑

# 1 haar模版上下左右 image size 模版 size 100*100 10*10 100次 step = 10
# 1 100*100 2 10*10 3 step 10 4 模版1
# 模版滑动缩放 10*10 11*11 20级

# 举例 1080*720 step2 10*10
# 计算量 = 14模版*20缩放*（1080/2*720/2）*（100点+- ） = 50-100亿
# （50-100）*15 = 1000亿次

# A 1 B 1 2 C 1 3 D 1 2 3 4
# 4 = A-B-C+D = 1+1+2+3+4 - 1 -2 - 1 -3 = 4 (3+-)

6-7 adaboost分类器1

#adaboost 训练
# 1 初始化数据权值分布
# 苹果苹果苹果香蕉
# 0.1 0.1 0.1 0.1
# 2 遍历阈值 p
# minP t
# 3 G1（x）
# 4 权值分布 update
# 0.2 0.2 0.2 0.7
## 训练终止条件：1 for count 2 p

#haar + adaboost face
# 苹果苹果苹果香蕉
# 0.1 0.1 0.1 0.5
# 训练终止条件：1 for count 2 p
# 1 分类器的结构 2 adaboost 计算过程 3 xml 文件结构
# haar> T1 and haar>T2 2个强分类器15-20

# 1 分类器的结构
# 3个强分类器 1 x1 t1 2 x2 t2 3 x3 t3
# x1>t1 and x2>t2 and x3>t3 目标-》苹果
# 作用：判决
# 弱分类器结构
# 作用：计算强分类器特征x1 x2 x3
# x2 = sum（y1,y2,y3）

# y1 弱分类器特征
# node
# 3个haar-》 node
# 1node haar1 > nodeT1 z1 = a1
# 1node haar1 < nodeT1 z1 = a2
# Z = sum(z1,z2,z3)>T y1 = AA
# Z = sum(z1,z2,z3)<T y1 = BB

# haar->Node z1 z2 z3 Z=sum(z1,z2,z3)
# Z>T y1 y2 y3
# x = sum(y1,y2,y3) > T1 obj

# 1 load xml 2 load jpg 3 haar gray 4 detect 5 draw
import cv2
import numpy as np
# load xml 1 file name
face_xml = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_xml = cv2.CascadeClassifier('haarcascade_eye.xml')
# load jpg
# img = cv2.imread('face.jpg')
img = cv2.imread('PR.jpg')
# img = cv2.imread('TP.jpg')cv2.imshow('src',img)
# haar gray
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# detect faces 1 data 2 scale 3 5
faces = face_xml.detectMultiScale(gray,1.3,5)
print('face=',len(faces))
# draw
for (x,y,w,h) in faces:cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)roi_face = gray[y:y+h,x:x+w]roi_color = img[y:y+h,x:x+w]# 1 grayeyes = eye_xml.detectMultiScale(roi_face)print('eye=',len(eyes))for (e_x,e_y,e_w,e_h) in eyes:cv2.rectangle(roi_color,(e_x,e_y),(e_x+e_w,e_y+e_h),(0,255,0),2)
cv2.imshow('dst',img)
cv2.waitKey(0)

脸和眼的xml文件 https://download.csdn.net/download/moonlightpeng/13494251

OpenCV人工智能图像处理学习笔记第6章计算机视觉加强之机器学习上相关推荐

人工智能导论学习笔记02
人工智能导论学习笔记02--第二章 :人工智能哲学基础人工智能导论学习笔记人工智能导论学习笔记02--第二章 :人工智能哲学基础第一讲大历史观下的人工智能宇宙演化人类与生命进化机器进化 ...
Machine Learning with Python Cookbook 学习笔记第8章
Chapter 8. Handling Images 前言本笔记是针对人工智能典型算法的课程中Machine Learning with Python Cookbook的学习笔记学习的实战代码都放 ...
OpenCV之Python学习笔记
RSS订阅登陆注册原文链接地址:http://www.itozi.net/19477.html OpenCV之Python学习笔记 ITOZI 发布于 2015-08-06 分类:OpenSta ...
数字图像处理学习笔记六彩色图像处理
目录 (一)彩色模型介绍 1.1 RGB模型 1.2 CMY.CMYK模型 1.3 HSI彩色模型 1.4 HSV模型 1.5 YCbCr 彩色空间 (二)伪彩色图像处理 (三)全彩色图像处理及彩色变 ...
图像处理学习笔记（二）
图像处理学习笔记(二) 4 OpenCV图像处理: 4.2 形态学操作: 4.2.1 连通性: 4.2.1 腐蚀和膨胀: 4.2.2 开闭运算: 4.2.3 礼帽和黑帽: 4.2.4 形态学操作总结: ...
OpenCV之Python学习笔记（1）（2）：图像的载入、显示和保存图像元素的访问、通道分离与合并
OpenCV之Python学习笔记一直都在用Python+OpenCV做一些算法的原型.本来想留下发布一些文章的,可是整理一下就有点无奈了,都是写零散不成系统的小片段.现在看到一本国外的新书< ...
《Go语言圣经》学习笔记第五章函数
<Go语言圣经>学习笔记第五章函数目录函数声明递归多返回值匿名函数可变参数 Deferred函数 Panic异常 Recover捕获异常注:学习<Go语言圣经> ...
数字图像处理学习笔记（三）：ORB算法（尺度不变特征变换）Oriented FAST and Rotated BRIEF
数字图像处理学习笔记(三):ORB算法(尺度不变特征变换)Oriented FAST and Rotated BRIEF 一.概述参考:特征点匹配+特征检测方法汇总 ORB的全称是Oriented ...
OpenCV与图像处理学习十二——图像形状特征之HOG特征
OpenCV与图像处理学习十二--图像形状特征之HOG特征一.图像特征理解 1.1 颜色特征 1.2 纹理特征 1.3 形状特征 1.4 空间关系特征二.形状特征描述 2.1 HOG特征 2.1. ...
OpenCV与图像处理学习八——图像边缘提取（Canny检测代码）
OpenCV与图像处理学习八--图像边缘提取(Canny检测代码) 一.图像梯度 1.1 梯度 1.2 图像梯度二.梯度图与梯度算子 2.1模板卷积 2.2 梯度图 2.3 梯度算子 2.3.1 R ...

OpenCV人工智能图像处理学习笔记第6章计算机视觉加强之机器学习上

主要内容

harr特征

6-2 视频分解图片

6-3 图片合成视频

6-4 Haar特征1

6-7 adaboost分类器1

OpenCV人工智能图像处理学习笔记第6章计算机视觉加强之机器学习上相关推荐

最新文章

热门文章

OpenCV人工智能图像处理学习笔记 第6章 计算机视觉加强之机器学习上

主要内容

harr特征

6-2 视频分解图片

6-3 图片合成视频

6-4 Haar特征1

6-7 adaboost分类器1

OpenCV人工智能图像处理学习笔记 第6章 计算机视觉加强之机器学习上相关推荐

最新文章

热门文章

OpenCV人工智能图像处理学习笔记第6章计算机视觉加强之机器学习上

OpenCV人工智能图像处理学习笔记第6章计算机视觉加强之机器学习上相关推荐