这篇博客详细介绍了人脸识别的实现过程，包括样本预处理、haar特征计算、积分图的应用、adaboost算法以及级联检测。作者通过样本收集和处理，使用haar-like特征和积分图加速计算，结合adaboost训练弱分类器，并通过级联方式优化假正率，最终构建人脸识别模型。文章还强调了负样本的补充和假正率的计算方法对模型性能的重要性。
本篇博客分为四个部分
实现篇
原理篇
提高篇
注意事项
实现篇
1.样本
卡内基梅隆大学人脸样本http://cbcl.mit.edu/cbcl/software-datasets/FaceData2.html
注：2429个人脸样本，4548个非人脸样本，像素为19*19。训练一个线上可使用的人脸识别模型，非人脸样本是远远不够的，所以需要自己去找非人脸样本，我是这么做的，
a. 用这部分数据训练出来一个简单的模型
b. 用这个模型放到线上实际的环境中去预测，将非人脸预测为人脸的图片下载下来作为非人脸样本
c. 继续训练模型
d. 重复
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
2752
