模式识别
lytwell
这个作者很懒,什么都没留下…
展开
-
OpenCV训练分类器制作xml文档
OpenCV训练分类器制作xml文档[转]问题:有了opencv自带的那些xml人脸检测文档,我们 就可以用cvLoad()这个函数加载他们,让他们对我们的人脸进行检测,但是,现在生活中的计算机视觉并不远远是检测人脸,还有很多物品需要识别,所以,能不能自己做个xml的检测文档,用它来检测自己需要的东西呢?例如,检测一个可乐瓶!问题解决:首先了解下,目标检测分为三个步骤:1、 样本的创建2、 训练分类器3、 利用训练好的分类器进行目标检测。一. 样本的创建: 训练样本分为正例样本和反例样本,其中正例样转载 2010-11-23 13:11:00 · 711 阅读 · 0 评论 -
AdaBoost人脸检测原理【转摘】
AdaBoost人脸检测原理【转摘】 对人脸检测的研究最初可以追溯到 20 世纪 70 年代,早期的研究主要致力于模板匹配、子空间方法,变形模板匹配等。近期人脸检测的研究主要集中在基于数据驱动的学习方法,如统计模型方法,神经网络学习方法,统计知识理论和支持向量机方法,基于马尔可夫随机域的方法,以及基于肤色的人脸检测。目前在实际中应用的人脸检测方法多为基于 Adaboost 学习算法的方法。 <br /> Viola人脸检测方法是一种基于积分图、 级联检测器和AdaBoost 算法的方转载 2010-11-23 11:56:00 · 409 阅读 · 0 评论 -
如何用OpenCV训练自己的分类器
<br />如何用OpenCV训练自己的分类器[转]<br /> <br />另:英文说明http://se.cs.ait.ac.th/cvwiki/opencv:tutorial:haartraining<br />最近要做一个性别识别的项目,在人脸检测与五官定位上我采用OPENCV的haartraining进行定位,这里介绍下这两天我学习的如何用opencv训练自己的分类器。在这两天的学习里,我遇到了不少问题,不过我遇到了几个好心的大侠帮我解决了不少问题,特别是无忌,在这里我再次感谢他的帮助。<br /转载 2010-11-23 13:14:00 · 800 阅读 · 0 评论 -
OpenCV训练分类器制作xml文档
<br />OpenCV训练分类器制作xml文档(转)<br /> <br /> <br /> 在网上找了中文资料,发现大多都是转载那两篇文章,而且那两篇文章讲的都有误差,经过两天的摸索,我终于训练分类器成功了,在此与大家分享。<br /> <br />参考英文资料网址: http://note.sonots.com/SciSoftware/haartraining.html#e134e74e<br /> <br />整个过程分为两步:<br />1. 创建样本<br />2. 训转载 2010-11-23 13:24:00 · 3502 阅读 · 4 评论 -
基于opencv2.0的haar算法以人脸识别为例的训练分类器xml的方法
<br />基于opencv2.0的haar算法以人脸识别为例的训练分类器xml的方法<br /><br /><br /><br /><br />基于opencv2.0的算法<br />第一步 采集样本<br /> 1、 将正负样本分别放在两个不同的文件夹下面<br /> 分别取名pos和neg,其中pos用来存放正样本图像,neg用来存放负样本<br /> <br /><br /> <br /> <br /> <br /> <br /><br /><br />注意事项:1、正样转载 2010-11-23 13:49:00 · 1737 阅读 · 1 评论 -
opencv 训练【转载,关于Haar特征训练源代码参数的分析】
<br />opencv 训练【转载,关于Haar特征训练源代码参数的分析】<br /> <br /> <br />一、简介<br />目标检测方法最初由Paul Viola [Viola01]提出,并由Rainer Lienhart [Lienhart02]对这一方法进行了改善。该方法的基本步骤为:首先,利用样本(大约几百幅样本图片)的 harr 特征进行分类器训练,得到一个级联的boosted分类器。<br />分类器中的"级联"是指最终的分类器是由几个简单分类器级联组成。在图像检测中,被检窗口依次通过转载 2010-11-23 13:53:00 · 1157 阅读 · 0 评论 -
adboost算法学习笔记分享
<br />AdaBoost算法学习笔记分享<br /><br /><br />第一部分:算法的产生<br />1996年Yoav Freund在Experiments with a New Boosting Algorithm中提出了AdaBoost.M1和AdaBoost.M2两种算法.其中,AdaBoost.M1是我们通常所说的Discrete AdaBoost;而AdaBoost.M2是M1的泛化形式.该文的一个结论是:当弱分类器算法使用简单的分类方法时,boosting的效果明显地统一地比bagg转载 2010-11-23 13:56:00 · 2422 阅读 · 1 评论