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 ...
最新文章
- tensorflow 开始——创建定制化 Estimator(创建自定义评估器)
- Django redis的使用
- javascript框架比较(四)
- Relatives POJ - 2407(不打表的欧拉函数 单求)
- 从尾到头打印链表(六)
- Hyperledger Fabric MSP Identity Validity Rules——MSP身份验证规则
- sqlserver中where条件加判断
- 日记 [2007年01月22日]QMAIL服务器完整安装手册-4
- 禁止edge浏览器自动更新
- 苹果8a1660是什么版本_苹果a1780是什么版本
- Ubuntu 16.04 安装SecureCRT破解版
- 关于Ubuntu双击打不开文件夹的解决方案
- 计算机用户名携带中文路径,Win10 User下的中文用户名改成英文路径操作方法
- JAVA日志框架与日志系统
- 关注流浪猫:从我们出发
- iOS home键直接退出
- 命令提示符中的一些基本命令
- 【Android】Unable to get provider com.crashlytics.android.CrashlyticsInitProvider: io.fabric.sdk.andro
- Axure 9 实战案例,基本元件的应用 5,利用情形实现B站图文登录验证
- 橘子CPS联盟小程序操作手册