Haar特征原理与icvCreateIntHaarFeatures方法的具体实现附详细注释—— 人脸识别的尝试系列（二）

最新推荐文章于 2021-06-21 10:37:50 发布
最新推荐文章于 2021-06-21 10:37:50 发布
阅读量2k 收藏 5
点赞数
分类专栏： 数字图像处理与计算机视觉 文章标签： opencv 人脸识别 算法 注释
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011583927/article/details/44782197
版权

带着强烈的兴趣，上周开始人脸识别的尝试与学习，并且将具体的操作过程记录了下来

链接如下：http://blog.csdn.net/u011583927/article/details/44627493

这周开始了对于算法的深入学习，下面进入正题。


Haar特征的原理是什么？

Haar特征分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。特征模板内有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和（在opencv实现中为黑色-白色）。Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。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。（本段文字及下面两幅图引用自http://blog.csdn.net/zouxy09/article/details/7929570）

Viola提出的haar特征：

 

Lienhart等牛们提出的Haar-like特征：

 

矩形特征可位于图像任意位置，大小也可以任意改变，所以矩形特征值是矩形模版类别、矩形位置和矩形大小这三个因素的函数，当然对于新提出的有旋转角度的haar特征，还要把旋转的因素考虑进去。

所以一个Haar特征的数据结构应该包含以下内容： 

*haar特征模板类型

*是否有旋转

*矩阵位置及大小

 

CvIntHaarFeatures是如何构成的？

在Opencv中，我们用CvTHaarFeature和CvFastHaarFeature作为描述单个特征的数据结构，用CvIntHaarFeatures作为一个封装的类型，通过这个类型中的两个指针（分别是CvTHaarFeature*和CvFastHaarFeature*指针）可以间接遍寻到存储的所有的特征。下面来看下它们的具体构造


CvTHaarFeature的数据结构：

//CvTHaarFeature：由（至多三个）矩形表示特征位置

typedef struct CvTHaarFeature

{

    char desc[CV_HAAR_FEATURE_DESC_MAX];   //描述haar特征模板类型的变量

    int  tilted; //标识是否有旋转，通过desc字符数组开头是否为tilted判断

    struct

    {

        CvRect r;

        float weight;

    } rect[CV_HAAR_FEATURE_MAX];            //三个矩形来描述特征位置

} CvTHaarFeature;

 

 

创建一个CvTHaarFeature特征：

/*例：haarFeature = cvHaarFeature("tilted_haar_y2",

                                    x, y, dx,2*dy, -1,

                                    x, y,dx,   dy, +2 );*/

CV_INLINECvTHaarFeature cvHaarFeature(const char* desc,

                            int x0, int y0, int w0,int h0, float wt0,

                            int x1, int y1, int w1,int h1, float wt1,

                            int x2, int y2, int w2,int h2, float wt2 )

{

    CvTHaarFeature hf;

 

    assert( CV_HAAR_FEATURE_MAX >= 3 );

    assert( strlen( desc ) <CV_HAAR_FEATURE_DESC_MAX );

 

    strcpy( &(hf.desc[0]), desc );

    hf.tilted = ( hf.desc[0] == 't' );

 

    hf.rect[0].r.x = x0;

    hf.rect[0].r.y = y0;

    hf.rect[0].r.width  = w0;

    hf.rect[0].r.height = h0;

    hf.rect[0].weight   = wt0;

 

    hf.rect[1].r.x = x1;

    hf.rect[1].r.y = y1;

    hf.rect[1].r.width  = w1;

    hf.rect[1].r.height = h1;

    hf.rect[1].weight   = wt1;

 

    hf.rect[2].r.x = x2;

    hf.rect[2].r.y = y2;

    hf.rect[2].r.width  = w2;

    hf.rect[2].r.height = h2;

    hf.rect[2].weight   = wt2;

 

    return hf;

}

 

 

CvFastHaarFeature的数据结构：

//与CvTHaarFeature类似，不同的是通过4个点来描述特征矩形的位置大小信息

typedef struct CvFastHaarFeature

{

    int tilted;

    struct

    {

        int p0, p1, p2, p3;

        float weight;

    } rect[CV_HAAR_FEATURE_MAX];

} CvFastHaarFeature;

 

CvIntHaarFeatures的数据结构：

typedef struct CvIntHaarFeatures

{

    CvSize winsize;

    int count;

    CvTHaarFeature* feature;

    CvFastHaarFeature* fastfeature;

} CvIntHaarFeatures;


了解了如何构成，我们就来创建，icvCreateIntHaarFeatures（）方法的具体实现：

接下来就是最重要的一步，如何创建我们想要得到的所有特征信息及CvIntHaarFeatures，下面是icvCreateIntHaarFeatures方法的具体实现和详细注释

由于opencv和C++都是初学，用了很长时间写了大量注释，0基础也绝对能看懂，希望能对大家有帮助


/*
 * icvCreateIntHaarFeatures
 *
 * Create internal representation of haar features
 *
 * mode:
 *  0 - BASIC = Viola提出的原始举行特征
 *  1 - CORE  = All upright  所有垂直的haar特征
 *  2 - ALL   = All features 所有haar特征
 *symmetric: 目标图形是否为垂直对称
*/
static
CvIntHaarFeatures* icvCreateIntHaarFeatures( CvSize winsize,
                                             int mode,
                                             int symmetric )
{
    CvIntHaarFeatures* features = NULL;
    CvTHaarFeature haarFeature;

/*内存存储器是一个可用来存储诸如序列,轮廓,图形,子划分等动态增长数据结构的底层结构。它是由一系列以同等大小的内存块构成,呈列表型*/
    CvMemStorage* storage = NULL;
    CvSeq* seq = NULL;
    CvSeqWriter writer;

    int s0 = 36; /* minimum total area size of basic haar feature     */
    int s1 = 12; /* minimum total area size of tilted（倾斜的） haar features 2 */
    int s2 = 18; /* minimum total area size of tilted haar features 3 */
    int s3 = 24; /* minimum total area size of tilted haar features 4 */

    int x  = 0;
    int y  = 0;
    int dx = 0;
    int dy = 0;

#if 0
    float factor = 1.0F;

    factor = ((float) winsize.width) * winsize.height / (24 * 24);

    s0 = (int) (s0 * factor);
    s1 = (int) (s1 * factor);
    s2 = (int) (s2 * factor);
    s3 = (int) (s3 * factor);
#else
	//程序必然走这边，为什么这么写？
    s0 = 1;
    s1 = 1;
    s2 = 1;
    s3 = 1;
#endif

    /* CV_VECTOR_CREATE( vec, CvIntHaarFeature, size, maxsize ) */
storage = cvCreateMemStorage();

//功能：创建新序列，并初始化写入部分
/*我的理解：这里其实是定义了writer工具每次写入数据的大小，以及写入到哪个内存存储器
在之后调用 CV_WRITE_SEQ_ELEM( haarFeature, writer )时就可以自动将一个haarFeature类型的数据写入内存存储器中*/
    cvStartWriteSeq( 0, sizeof( CvSeq ), sizeof( haarFeature ), storage, &writer );

/*矩形特征可位于图像任意位置，大小也可以任意改变，所以矩形特征值是矩形模版类别、矩形位置和矩形大小这三个因素的函数*/
    for( x = 0; x < winsize.width; x++ )
    {
        for( y = 0; y < winsize.height; y++ )
        {
		   //x，y确定了特征矩形的左上角坐标
            for( dx = 1; dx <= winsize.width; dx++ )
            {
                for( dy = 1; dy <= winsize.height; dy++ )
                {
				   //dx，dy确定了特征矩形的大小
	   //下面需要按照不同的特征模板类型分别讨论，在模板不越界的情况下，添
加该特征

                    // haar_x2   对应上图中的（a）特征模板，黑色为+，白色为-
                    if ( (x+dx*2 <= winsize.width) && (y+dy <= winsize.height) ) {
                        if (dx*2*dy < s0) continue;
                        if (!symmetric || (x+x+dx*2 <=winsize.width)) 
{
	  //目标图像不为垂直对称或目标垂直对称但满足上式条件
	  //若目标不垂直对称，显然要计算当前矩形特征的特征值
	  //若对称，则只计算左半部分全部位于标准样本左半边的矩形特征的特征值
                            
haarFeature = cvHaarFeature( "haar_x2",
                                x,    y, dx*2, dy, -1,
                                x+dx, y, dx  , dy, +2 );
                            /* CV_VECTOR_PUSH( vec, CvIntHaarFeature, haarFeature, size, maxsize, step ) */
                            CV_WRITE_SEQ_ELEM( haarFeature, writer );
                        }
                    }


                    // haar_y2   对应上图中的（b）特征模板
                    if ( (x+dx <= winsize.width) && (y+dy*2 <= winsize.height) ) {
                        if (dx*2*dy < s0) continue;
                        if (!symmetric || (x+x+dx <= winsize.width)) {
                            haarFeature = cvHaarFeature( "haar_y2",
                                x, y,    dx, dy*2, -1,
                                x, y+dy, dx, dy,   +2 );
                            CV_WRITE_SEQ_ELEM( haarFeature, writer );
                        }
                    }

                    // haar_x3    对应上图中的（c）特征模板
                    if ( (x+dx*3 <= winsize.width) && (y+dy <= winsize.height) ) {
                        if (dx*3*dy < s0) continue;
                        if (!symmetric || (x+x+dx*3 <=winsize.width)) {
                            haarFeature = cvHaarFeature( "haar_x3",
                                x,    y, dx*3, dy, -1,
                                x+dx, y, dx,   dy, +3 );
                            CV_WRITE_SEQ_ELEM( haarFeature, writer );
                        }
                    }

                    // haar_y3     对应上图中的（d）特征模板
                    if ( (x+dx <= winsize.width) && (y+dy*3 <= winsize.height) ) {
                        if (dx*3*dy < s0) continue;
                        if (!symmetric || (x+x+dx <= winsize.width)) {
                            haarFeature = cvHaarFeature( "haar_y3",
                                x, y,    dx, dy*3, -1,
                                x, y+dy, dx, dy,   +3 );
                            CV_WRITE_SEQ_ELEM( haarFeature, writer );
                        }
                    }

                    if( mode != 0 /*BASIC*/ ) {
                        // haar_x4     对应上图中的（2b）特征模板
                        if ( (x+dx*4 <= winsize.width) && (y+dy <= winsize.height) ) {
                            if (dx*4*dy < s0) continue;
                            if (!symmetric || (x+x+dx*4 <=winsize.width)) {
                                haarFeature = cvHaarFeature( "haar_x4",
                                    x,    y, dx*4, dy, -1,
                                    x+dx, y, dx*2, dy, +2 );
                                CV_WRITE_SEQ_ELEM( haarFeature, writer );
                            }
                        }

                        // haar_y4     对应上图中的（2d）特征模板
                        if ( (x+dx <= winsize.width ) && (y+dy*4 <= winsize.height) ) {
                            if (dx*4*dy < s0) continue;
                            if (!symmetric || (x+x+dx   <=winsize.width)) {
                                haarFeature = cvHaarFeature( "haar_y4",
                                    x, y,    dx, dy*4, -1,
                                    x, y+dy, dx, dy*2, +2 );
                                CV_WRITE_SEQ_ELEM( haarFeature, writer );
                            }
                        }
                    }

                    // x2_y2     对应上图中的（e）特征模板
                    if ( (x+dx*2 <= winsize.width) && (y+dy*2 <= winsize.height) ) {
                        if (dx*4*dy < s0) continue;
                        if (!symmetric || (x+x+dx*2 <=winsize.width)) {
                            haarFeature = cvHaarFeature( "haar_x2_y2",
                                x   , y,    dx*2, dy*2, -1,
                                x   , y   , dx  , dy,   +2,
                                x+dx, y+dy, dx  , dy,   +2 );
                            CV_WRITE_SEQ_ELEM( haarFeature, writer );
                        }
                    }

                    if (mode != 0 /*BASIC*/) {
                        // point     对应上图中的（3a）特征模板
                        if ( (x+dx*3 <= winsize.width) && (y+dy*3 <= winsize.height) ) {
                            if (dx*9*dy < s0) continue;
                            if (!symmetric || (x+x+dx*3 <=winsize.width))  {
                                haarFeature = cvHaarFeature( "haar_point",
                                    x   , y,    dx*3, dy*3, -1,
                                    x+dx, y+dy, dx  , dy  , +9);
                                CV_WRITE_SEQ_ELEM( haarFeature, writer );
                            }
                        }
                    }

                    if (mode == 2 /*ALL*/) {
                        // tilted haar_x2                   (x, y, w, h, b, weight)
					  //对应上图中的（1c）特征模板
                        if ( (x+2*dx <= winsize.width) && (y+2*dx+dy <= winsize.height) && (x-dy>= 0) ) {
                            if (dx*2*dy < s1) continue;

                            if (!symmetric || (x <= (winsize.width / 2) )) {
                                haarFeature = cvHaarFeature( "tilted_haar_x2",
                                    x, y, dx*2, dy, -1,
                                    x, y, dx  , dy, +2 );
                                CV_WRITE_SEQ_ELEM( haarFeature, writer );
                            }
                        }

                        // tilted haar_y2                     (x, y, w, h, b, weight)
					  //对应上图中的（1d）特征模板
                        if ( (x+dx <= winsize.width) && (y+dx+2*dy <= winsize.height) && (x-2*dy>= 0) ) {
                            if (dx*2*dy < s1) continue;

                            if (!symmetric || (x <= (winsize.width / 2) )) {
                                haarFeature = cvHaarFeature( "tilted_haar_y2",
                                    x, y, dx, 2*dy, -1,
                                    x, y, dx,   dy, +2 );
                                CV_WRITE_SEQ_ELEM( haarFeature, writer );
                            }
                        }

                        // tilted haar_x3                                   (x, y, w, h, b, weight)
                        if ( (x+3*dx <= winsize.width) && (y+3*dx+dy <= winsize.height) && (x-dy>= 0) ) {
                            if (dx*3*dy < s2) continue;

                            if (!symmetric || (x <= (winsize.width / 2) )) {
                                haarFeature = cvHaarFeature( "tilted_haar_x3",
                                    x,    y,    dx*3, dy, -1,
                                    x+dx, y+dx, dx  , dy, +3 );
                                CV_WRITE_SEQ_ELEM( haarFeature, writer );
                            }
                        }

                        // tilted haar_y3                                      (x, y, w, h, b, weight)
                        if ( (x+dx <= winsize.width) && (y+dx+3*dy <= winsize.height) && (x-3*dy>= 0) ) {
                            if (dx*3*dy < s2) continue;

                            if (!symmetric || (x <= (winsize.width / 2) )) {
                                haarFeature = cvHaarFeature( "tilted_haar_y3",
                                    x,    y,    dx, 3*dy, -1,
                                    x-dy, y+dy, dx,   dy, +3 );
                                CV_WRITE_SEQ_ELEM( haarFeature, writer );
                            }
                        }


                        // tilted haar_x4                                   (x, y, w, h, b, weight)
                        if ( (x+4*dx <= winsize.width) && (y+4*dx+dy <= winsize.height) && (x-dy>= 0) ) {
                            if (dx*4*dy < s3) continue;

                            if (!symmetric || (x <= (winsize.width / 2) )) {
                                haarFeature = cvHaarFeature( "tilted_haar_x4",


                                    x,    y,    dx*4, dy, -1,
                                    x+dx, y+dx, dx*2, dy, +2 );
                                CV_WRITE_SEQ_ELEM( haarFeature, writer );
                            }
                        }

                        // tilted haar_y4                                      (x, y, w, h, b, weight)
                        if ( (x+dx <= winsize.width) && (y+dx+4*dy <= winsize.height) && (x-4*dy>= 0) ) {
                            if (dx*4*dy < s3) continue;

                            if (!symmetric || (x <= (winsize.width / 2) )) {
                                haarFeature = cvHaarFeature( "tilted_haar_y4",
                                    x,    y,    dx, 4*dy, -1,
                                    x-dy, y+dy, dx, 2*dy, +2 );
                                CV_WRITE_SEQ_ELEM( haarFeature, writer );
                            }
                        }


                        /*

                          // tilted point
                          if ( (x+dx*3 <= winsize.width - 1) && (y+dy*3 <= winsize.height - 1) && (x-3*dy>= 0)) {
                          if (dx*9*dy < 36) continue;
                          if (!symmetric || (x <= (winsize.width / 2) ))  {
                            haarFeature = cvHaarFeature( "tilted_haar_point",
                                x, y,    dx*3, dy*3, -1,
                                x, y+dy, dx  , dy,   +9 );
                                CV_WRITE_SEQ_ELEM( haarFeature, writer );
                          }
                          }
                        */
                    }
                }
            }
        }
    }

/*我的理解：当前已经完成了数据的写入，但是是存储在内存存储器中的，调用此方法将存储器中的所有数据转移到cvSeq中*/
seq = cvEndWriteSeq( &writer );

在OpenCV中临时缓存用cvAlloc和cvFree函数分配和回收.函数应注意适当对齐,对未释放的内存保持跟踪，检查溢出。
    features = (CvIntHaarFeatures*) cvAlloc( sizeof( CvIntHaarFeatures ) +
        ( sizeof( CvTHaarFeature ) + sizeof( CvFastHaarFeature ) ) * seq->total );
    features->feature = (CvTHaarFeature*) (features + 1);
    features->fastfeature = (CvFastHaarFeature*) ( features->feature + seq->total );
    features->count = seq->total;
    features->winsize = winsize;
    cvCvtSeqToArray( seq, (CvArr*) features->feature );
    cvReleaseMemStorage( &storage );

	//特征的rect由坐标表示转换为由像素索引表示
    icvConvertToFastHaarFeature( features->feature, features->fastfeature,
                                 features->count, (winsize.width + 1) );

    return features;
}


由于我是小白，感觉上面代码中的最后几行逻辑可能比较绕，卡在那里好久终于理解。

所以做了一张图，可以借助下图帮助理解


<span style="font-family: Arial, Helvetica, sans-serif;">看到这里，对于Haar特征的理论以及实际使用应该理解的不错了吧，希望能和大家一起交流</span>





随煜而安
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
[计算机视觉] 001-基础特征之haar features
ZhangPY的专栏
01-24 463
[计算机视觉] 001-基础特征之haar features
haar feature检测.rar
06-18
图像特征提取三大法宝：HOG特征，LBP特征，Haar特征。此资源就是介绍Haar特征，涉及着haar是怎么检测图像特征的。也有数据在其中。
Haar特征（一种矩形特征，反映了图像的灰度变化情况）
weixin_37970641的博客
07-12 2214
Haar特征最先由Paul Viola等人提出，后经过Rainer Lienhart等扩展引入45°倾斜特征。Haar特征分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。 OpenCV（2.4.11版本）所使用的共计14种Haar特征，包括5种Basic特征、3种Core特征和6种Titled(即45°旋转)特征。在使用opencv自带的训练工具进行训练时，haarFeatureParams参数中的mode参数正对应了训练过程中所使用的特征集合: 1. 如果mode为BASIC，则
icvCreateIntHaarFeatures超详细解析（不看你会后悔的）
迷途中的前进
05-28 2442
icvCreateIntHaarFeatures超详细解析（不看你会后悔的），因为我是菜鸟，所以花了很多时间来查找各方面的资料，相信你会看懂的。本博是笔者读书笔记整理，欢迎转载，请注明出处，如有不足，还望网友们指教。
HAAR FEATURE
kensun0的专栏
02-04 3572
Below are examples of the haar-like feature sets that are used in training. It displays what features are used based on the “mode” option used as well as the string representation that will be used in
毕业设计基于Haar特征与AdaBoost算法的人脸检测的实现
最新发布
03-07
训练样本： MIT人脸数据库 样本尺寸：20*20px 样本个数：5971个样本，其中人脸样本为2429个 faces文件夹 包含人脸样本 nonfaces文件夹 包含非人脸样本 ======================================== 测试样本： ...
HAAR特征进行人脸检测用pca进行人脸识别_人脸识别_OPENCV_C++
04-14
在本项目中，利用OpenCV的C++接口实现HAAR特征的人脸检测和PCA的人脸识别功能。 6. **FaceReg_Pca**： "FaceReg_Pca"可能是指该项目中的关键模块或文件，它可能包含了实现人脸注册（Face Registration）和PCA人脸...
fdtool.zip_Haar 人脸 matlab_haar 特征 matlab_haar特征_人脸标识_人脸识别haar
07-15
利用局部二位模式和haar特征进行人脸或目标识别。
Haar 人脸识别 特征分类器 人脸检测级联分类器.zip
07-04
总之，Haar特征级联分类器是计算机视觉领域中一种经典的人脸检测方法，它与现代深度学习方法如FaceNet相结合，可以构建出强大且全面的面部识别系统。这个资源包为开发者提供了一个快速入门和实现人脸检测的工具，...
人脸识别系统研究与实现.pdf
05-09
"人脸识别系统研究与实现" 本文主要研究了人脸识别系统的技术和实现，涵盖了人脸检测、特征提取和人脸识别三个阶段。人脸识别系统是一种用于从图像或视频中识别某人的应用程序。人脸检测是图像分析中的一项艰巨任务...
Haar-Feature分类器和卷积神经网络
jinzhenghai9的博客
09-03 2786
交流QQ：452026443  以情感识别模型为例！  我一直都看到它：“基于Haar特征的级联分类器”，“Viola和Jones首先提出的类哈尔特征”......但究竟是什么类似Haar？它与卷积神经网络有什么关系？   Haar-Feature就像CNN中的内核，除了在CNN中，内核的值由训练确定，而Haar-Feature是手动确定的。   以下是一些Haar功能。前两个是“...
第十一篇：Harr特征博文讲解集
liaojiacai的博客
03-11 557
【1】目标检测的图像特征提取之（三）Haar特征 - zouxy09的专栏 - 博客频道 - CSDN.NET    http://blog.csdn.net/zouxy09/article/details/7929570/
icvCreateHaarTrainingData和icvCreateBackgroundData
迷途中的前进
06-02 895
对于结构体c++语言来说，结构体要先定义再使用，如上文CvHaarTrainingData和CvBackgroundData（http://blog.csdn.net/ding977921830/article/details/46330879）；对于训练样本来说，要把训练样本（图片）转化为计算机能识别的.vec文件；对于训练过程来说，要使用训练样本的数据，要先为训练样本的内容分配内存，这就是下面谈到的icvCreateHaarTrainingData和icvCreateBackgroundData。
人脸识别的过程和算法
qq_853154671的博客
02-15 573
http://blog.csdn.net/chenhaifeng2016/article/details/74011111
CV_HAAR_FEATURE_DESC_MAX和CV_HAAR_FEATURE_MAX
迷途中的前进
06-25 946
#define CV_HAAR_FEATURE_MAX 3 //预定义的一个宏，在程序中表示一个haar特征由至多三个矩形组成 #define CV_HAAR_FEATURE_DESC_MAX 20 //预定义的一个宏，描述haar特征的一个类型 typedef int sum_type; typedef double sqsum_t
CvHaarClassifier Struct
lijiatong1005的专栏
07-22 1132
转自：http://opencv.sourcearchive.com/documentation/2.3.1-0exp1/haar_8cpp_source.html CvHaarClassifier Struct Reference Collaboration diagram for CvHaarClassifier: [legend] List of all
CvTHaarFeature和CvFastHaarFeature以及CvIntHaarFeatures的区别
迷途中的前进
05-28 1914
CvTHaarFeature和CvFastHaarFeature的区别,CvIntHaarFeatures，cvhaartraining。cpp源码分析
opencv读取haarcascade_mcs_mouth.xml错误
Chasder的博客
06-21 755
Invalid HAAR feature (expected: 'rw.r.x + rw.r.width <= W')
opencv haar 分类器记录
自动驾驶与智能制造--深度学习
03-29 1140
读分类器代码如opencv 所写 for( i = 0; i count; i++ ) { AeeHaarStageClassifier* stage_classifier = cascade->stage_classifier + i; if( !stage_classifier->classifier || stage_
基于Haar特征的驾驶员疲劳检测与人脸识别
这篇论文不仅探讨了解决SpringBoot文件上传问题的策略，还展示了在面部识别特别是驾驶员疲劳检测中的创新应用，结合了Haar特征、Adaboost算法和卡尔曼滤波等技术，实现了高效、准确的疲劳状态识别。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值