Haar-like特征

haar特征多用于人脸检测、行人检测等；Haar-like特征可以理解为卷积模板；该模板的特征值为白色矩形像素和减去黑色矩形像素和，反映了图像的灰度变化情况，但矩形特征只对一些简单的图形结构，如边缘、线段较敏感，所以只能描述特定走向（水平、垂直、对角）的结构。

Haar-like特征分类

Haar-like特征可以分为四类：线性特征、边缘特征、点特征（中心特征）、对角线特征：

积分图

计算haar特征值

 def intergral(self,image):height,weigth = np.shape(image)output = np.zeros((height + 1,weigth + 1))for h in range(1,height + 1):columnSum = np.zeros((weigth + 1))  for w in range(1,weigth + 1):columnSum[w] = columnSum[w - 1] + image[h - 1][w - 1] # 每行的列合计output[h][w] = output[h - 1][w] + columnSum[w]return outputdef HaarRectPyramidUp(self,imageSize,minSize=1,minDeep=2):size = minSizedeep = minDeepyield size,deepwhile True:if size < deep:size = size + 1deep = size * minDeepelse:deep = deep + 1size = deep * minSizeif max(size,deep) > imageSize:breakif size == deep and size * 2 > imageSize:breakyield size,deepdef Haar2RectLR(self, sum, minSize=1, minDeep=2):'''b |       d|       e|--------------------| white  | black  |--------------------c | white a| black f|# white= a+ b-c-d'''height,weigth = np.shape(sum)  feature_map = []for size,deep in self.HaarRectPyramidUp(weigth - 1,minSize,minDeep):     for y in range(1,height - deep + 1):for x in range(1,weigth - 2 * size + 1):  by = dy = ey = y - 1cy = ay = fy = y + deep - 1bx = cx = x - 1dx = ax = x + size - 1ex = fx = x + size * 2 - 1white = sum[ay][ax] + sum[by][bx] - sum[cy][cx] - sum[dy][dx]black = sum[fy][fx] + sum[dy][dx] - sum[ay][ax] - sum[ey][ex]feature_map.append(int(white) - int(black))  return feature_mapdef GetHaarFeatureDescriptor(self,images,imgSize):features = []for fn in images:  # 读入彩色图像，并转换为灰度值图像img = cv2.imread(fn, cv2.IMREAD_GRAYSCALE)# 图片拉伸img = cv2.resize(img, imgSize, interpolation=cv2.INTER_CUBIC)# 归一化img = img / float(np.max(img)) * 255# 积分图intim = self.intergral(img)    # 垂直方向边缘特征feature = self.Haar2RectLR(intim) features.append(feature)return features

Haar-like特征相关推荐

调用摄像头使用face_recognition 或 opencv中haar人脸特征实时检测识别人脸、给人脸打马赛克/给人脸贴图
日萌社人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新) OpenCV:python调用摄像头同时使用OpenCV中自带 ...
face_recognition、opencv中haar人脸特征：视频/图片进行人脸检测/人脸识别
日萌社人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新) import face_recognition import ...
CV之Haar特征描述算子-人脸检测
3.1简介 Haar-like特征最早是由Papageorgiou等应用于人脸表示,在2001年,Viola和Jones两位大牛发表了经典的<Rapid Object Detection usi ...
opencv实战3： CascadeClassifier+Haar特征进行人脸检测
1.级联分类器CascadeClassifier OpenCV官方文档:https://docs.opencv.org/3.4.3/d5/d54/group__objdetect.html 分类器: ...
Haar特征类有哪些最新发表的毕业论文呢？
一.总体简介 Haar特征的相关文献在2006年到2020年内共计132篇,主要集中在自动化技术.计算机技术.无线电电子学.电信技术.公路运输等领域,其中期刊论文100篇.会议论文4篇.专利文献28 ...
Adaboost 人脸检测：Haar特征及积分图、分类器的级联
日萌社人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新) 人脸识别功能实现的原理介绍与算法介绍人脸识别:人脸数据集 A ...
haar分类器详解（Haar特征，积分图，adaboost算法，筛选式级联分类器），DCG介绍 --文献阅读报告《基于素描对视频的人脸识别研究》
基于素描对视频的人脸识别--haar分类器详解,haar特征,adaboost,级联强分类器,积分图,DCG 背景算法总体流程 1.预处理--识别出人脸并将人脸图像标准化 haar特征积分图--加 ...
Haar特征计算的一些见解
最近在目标探测与识别课上学了积分图和Haar特征的相关知识.刚学的时候,对Haar特征的数量计算有一些疑惑.后来查阅相关资料之后,恍然大悟了.下面分享一下我的见解: 积分图这个就不用多说了.积分图尺 ...
Haar特征描述算子-人脸检测
Haar特征描述算子-人脸检测详细资料 3.1简介 Haar-like特征最早是由Papageorgiou等应用于人脸表示,在2001年,Viola和Jones两位大牛发表了经典的<Rapid ...
第九节、人脸检测之Haar分类器
人脸检测属于计算机视觉的范畴,早期人们的主要研究方向是人脸识别,即根据人脸来识别人物的身份,后来在复杂背景下的人脸检测需求越来越大,人脸检测也逐渐作为一个单独的研究方向发展起来. 目前人脸检测的方法主 ...

Haar-like特征

Haar-like特征分类

积分图

计算haar特征值

Haar-like特征相关推荐

最新文章

热门文章