初识人脸识别（2）-- 积分图

最新推荐文章于 2023-07-10 16:26:02 发布

火车侠hcq

最新推荐文章于 2023-07-10 16:26:02 发布

阅读量676

点赞数 2

分类专栏：机器学习

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/HanFeiKei/article/details/84335120

版权

机器学习专栏收录该内容

3 篇文章 0 订阅

订阅专栏

上一篇讨论了Haar变换，并且引出了一个问题，当模板大小、形状不同时，Haar特征数量将会非常庞大。利用haar特征进行目标物体识别时，通常是取一个一定大小的滑动检测窗口，然后计算该滑窗内的Haar特征，得到特征后与训练数据进行比较后得到分类结果。滑窗的大小将决定Haar特征的数量，根据Paul Viola《Rapid Object Detection Using a Boosted Cascade of Simple Features》所述，当滑窗大小为24×24时，其矩形特征将超过180000个，从而引入了积分图加速计算。

1.积分图（Intergral Image）

积分图的定义：位于坐标(x,y)出的积分为该坐标左上方所以像素之和，

即， $ii(x,y) = \sum_{x'\leq x,y'\leq y} i(x',y')$

积分图递归式子：

$\begin{matrix} s(x,y) = s(x,y-1)+i(x,y) \\ ii(x,y) = ii (x-1,y)+s(x,y) \end{matrix}$

其中 s(x,y) 表示行累积和，初始条件 s(x,-1) = 0 且 ii(-1,y) = 0 ，如图1所示：

图1. 积分图递归关系

积分图的作用使得任何矩形区域求和都可以由四个积分值计算得到，如图2所示，

图2. 采用积分图计算任意矩形区域累加和

图2中，坐标1的积分图为矩形区域A的所有像素和, 坐标2对应A+B, 坐标3对应A+C, 坐标4对应 A+B+C+D，要计算D区域的累加和则可以由 ii(4)+ii(1)-ii(2)-ii(3) 得到。

在使用Haar特征进行图像目标检测中，计算滑窗内的中一个haar特征如图3所示。

图3. 滑窗内Haar特征计算

图3(a)为我们需要计算的Haar模板，图3(b)表示滑窗，假定计算m×n的区域内的haar特征。不采用积分图计算，则需要首先计算区域A所以像素和，再计算区域B的像素和，然后用 $\sum(B)-\sum(A)$ , 及计算复杂度为 $O\left ( m\cdot n \right )$ , 而采用积分图，计算复杂对仅为 O(1) ,

关注

2
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
初识人脸识别（2）-- 积分图

上一篇讨论了Haar变换，并且引出了一个问题，当模板大小、形状不同时，Haar特征数量将会非常庞大。利用haar特征进行目标物体识别时，通常是取一个一定大小的滑动检测窗口，然后计算该滑窗内的Haar特征，得到特征后与训练数据进行比较后得到分类结果。滑窗的大小将决定Haar特征的数量，根据Paul Viola《Rapid Object Detection Using a Boosted Cascad...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。