人脸检测和识别开发过程

学习这样理论性很强的东西,真的头疼.我会每一天记录自己的学习过程.

人脸检测还是需要根据具体的情况,训练适合自己的分类器,然后进行人脸检测.

学习了hMM.学习了PCA,学习了sift.真正的算法是博大精深的/希望搞这个的朋友一起交流交流.

比较忙没有时间整理工作

2009-5-17

cvCopy和cvCloneImage 这两个函数都是拷贝图象空间.但是他们有一定的区别.cvCopy是拷贝的图象不随着原图象资源的释放而释放.cvCloneImage随着源图象资源的释放,拷贝图象的资源也就释放.

2009-5-27

最近对人脸预处理上下了一些功夫,光照和人脸的角度,对识别造成很大的误差.

2009-7-5

看了好几篇关于训练harr分类器的介绍文章，先暂时就写些阅读感受吧，毕竟还是让别人去训练，我只是学习和指导

1、首先是将保存正面图片的文件夹的正面图片路径存放到一个文件中．

2、createsamples.exe -info positives/train.txt -vec data/positives.vec -num 1300 -w 20 –h 20

这里的train.txt第一步所说的文件。用createsamples产生训练需要的样本。num表示图片的数量。w表示宽度，h表示高度。如果图片大小不相等，可以使用imageclipper进行剪切。

3、每个图片都生成一个样本，createsamples.exe -vec data/positives.vec -w 20 –h 20。将这些样本产生一个总的样本文件。

4、将存放负面背景图片的文件夹的图片路径存放到一个文件中。

5、haartraining.exe -data data/cascade -vec data/positives.vec -bg negatives/train.txt
-npos 1300 -nneg 5350 -nstages 30 -mem 1300 -mode ALL -w 20 -h 20。此时就是训练样本库的工作了。

npos表示正面图片的数量，nneg表示负面图片的数量。mem内存使用量1300M."-mode ALL 利用扩展的harr特征集。nstages表示训练阶数

5、convert_cascade --size="20x20" haarcascade haarcascade.xml．产生一个特征文件

6、测试自己的分类器

performance -data haarcascade -w 20 -h 20 -info tests.dat -ni
-ni option suppresses to create resulted image files of detection

这个之前还需要做的测试库．利用工具"objectmarker.exe"将标记出含有特征图象的位置．

 http://tutorial-haartraining.googlecode.com/svn/trunk/result/

http://note.sonots.com/SciSoftware/haartraining.html#e134e74e