Haar特征描述算子——疑惑与解惑

最新推荐文章于 2020-07-03 15:59:48 发布
最新推荐文章于 2020-07-03 15:59:48 发布
阅读量461 收藏 2
点赞数
文章标签： 计算机视觉 人脸识别
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/qq_32531505/article/details/107092379
版权
本文详细解析了Haar特征算子在计算机视觉中的应用，特别是人脸识别。介绍了Haar特征算子的黑白设计原因，特征检测与计算过程，包括平移和缩放的实现。此外，文章探讨了积分图如何加速特征值计算，并阐述了AdaBoost在特征选择和集成学习中的作用，以提高检测准确性和效率。
摘要由CSDN通过智能技术生成

目录

1.为什么Haar特征算子(模板)是如图所示的黑白？

在这里插入图片描述
Haar特征算子主要应用于人脸检测，通过灰度值的变化来寻找特征。我们人脸有棱有角，对光的反射程度也是不尽相同的，这就造成了人脸上有亮和暗的区域，由于我们人眼一般对比较剧烈的亮度变化才有感觉，所以造成了对一些平缓的变换可能感知不到。但是计算机通过电子化处理可以清楚地知道像素值的变换。比如鼻梁这个区域就比鼻翼区域亮。因为鼻翼斜侧，光没有全部正对着摄像头反射进入感光元件，而是部分光被反射到别处去了。再说一个例子，比如眼睛区域就比眼部外的区域暗。想一想深井，越往深处看越暗。因为眼睛相对周围区域向内凹陷，所以造成了这个亮暗变化。
因为这个特点，算法作者就提出了这个公式，特征值=白色区域的像素值之和-黑色区域的像素值之和。因为检测的之前会把图像转换为灰度图像，故像素值就对应灰度值。
请谨记是和，和，和，这就是为什么会用到积分。离散值的累加和就是离散数据的积分运算。

2.Haar特征算子(模板)是怎么样检测计算的？==怎么平移+缩放得到特征值？

在这里插入图片描述
首先需要一个检测框（绿色）

最低0.47元/天 解锁文章
Kolo_Tong
关注
Haar特征描述算子-人脸检测
water19111213的博客
07-01 3179
Haar特征描述算子-人脸检测 详细资料 3.1简介 Haar-like特征最早是由Papageorgiou等应用于人脸表示，在2001年，Viola和Jones两位大牛发表了经典的《Rapid Object Detection using a Boosted Cascade of Simple Features》和《Robust Real-Time Face Detection》，在AdaBoost算法的基础上，使用Haar-like小波特征和积分图方法进行人脸检测，他俩不是最早使用提出小波特征的，但是他
【理论篇】Haar特征描述算子
weixin_42326479的博客
07-02 1480
Haar分类器前言1. 理论1.1 Haar-like特征1.2 积分图1.3 AdaBoost算法1.4 筛选式级联2. 代码（人脸检测） 前言 以前的人脸检测都是基于像素，基于统计学的概念进行研究。有了Haar之后，人脸检测分类器才出现，准确率也得到了提高。 Haar分类器 = Haar-like小波特征 + 积分图方法 + AdaBoost +级联 Haar分类器算法的要点如下： 使用Haar-like特征做检测。 使用积分图（Integral Image）对Haar-like特征求值进行加
Haar特征描述算子-人脸检测器
bage的博客
07-02 448
3.3 算法理论介绍 3.3.1 Haar-like 特征 Haar(哈尔)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。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。 对于图中的A,
Haar特征描述算子与人脸检测
weixin_41285413的博客
07-01 828
目录Haar-like 特征描述算子特征类别（模板）特征计算—积分图计算Haar特征值Haar特征值归一化(方法不唯一)Adaboost级联分类器级联分类器级联分类模型级联分类器的训练XML文件程序 Haar-like 特征描述算子 特征类别（模板） Haar(哈尔)特征模板分为三类：边缘特征、线性特征（含对角线特征）、中心特征。其结构如下图所示。 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。 Haar特征值反映了图像的灰度变化情况。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
CV--Haar特征描述算子
li_kin的博客
07-02 491
Haar特征描述算子--人脸检测1 算法理论介绍1.1 Haar-like 特征1.2 Haar-like特征的计算--积分图1.2.1 积分图主要思想1.2.2 积分图构造算法1.3 案列---计算Haar特征值1.4 特征值归一化1.5 Adaboost级联分类器2 python代码实现2.1 静态图像中的人脸检测 学习目标： 理解Haar-like特征 理解积分图的计算方法 理解使用积分图来计算Haar特征值算法 理解Haar特征归一化算法 学会使用OpenCV自带的Haar分类器进行人脸检测 1
第14期（六月）组队学习 Task3：Haar特征描述算子-人脸检测
chutu2018的博客
06-27 531
Task3：Haar特征描述算子-人脸检测Haar特征描述算子-人脸检测1 Haar特征简介1.1 积分图1.1.1 积分图构建1.1.2 计算Haar特征值1.1.3 旋转矩形特征的计算1.1.4 AdaBoost分类器2 参考代码2.1 静态图像的人脸检测2.2 动态图像的人脸检测3 致谢 Haar特征描述算子-人脸检测 Haar特征是用于物体识别的一种数字图像特征，与哈尔小波转换极为相似，也是第一种即时的人脸检测运算；同时是一种用于目标检测或识别的图像特征描述子，通常和AdaBoost分类器组合使用，
计算机视觉特征点检测（3） —— Haar特征描述算子
阿璨的CV
07-03 577
计算机视觉特征点检测（3） —— Haar特征描述算子理论介绍Haar分类器训练的五大步骤Harr-like 特征Haar-like特征的计算——积分图计算Haar特征值Haar特征值归一化Adaboost级联分类器OpenCV实现 理论介绍 Haar分类器训练的五大步骤 准备人脸、非人脸样本集 计算特征值和积分图 筛选出T个优秀的特征值（即最优弱分类器） 把这T个最优弱分类器传给AdaBoost进行训练 级联，也就是强分类器的强强联手 以20*20窗口为例，有78460的特征数量，筛选出T个优秀的特征值
Python+OpenCV图像处理（九）——Haar特征描述算子
清崎教练
07-02 4337
系列文章 Python+OpenCV图像处理（一）——OpenCV框架与图像插值算法 Python+OpenCV图像处理（二）——几何变换 Python+OpenCV图像处理（三）——彩色空间互换 Python+OpenCV图像处理（四）——图像滤波 Python+OpenCV图像处理（五）——图像阈值和二值化 Python+OpenCV图像处理（六）——边缘检测 Python+OpenCV图像处理（七）——Harris特征点检测 Python+OpenCV图像处理（八）——LBP特征描述算子 目录九、H.
Task03 Haar特征描述算子
Thor1的博客
07-02 230
3.1简介 Haar-like特征最早是由Papageorgiou等应用于人脸表示，在2001年，Viola和Jones两位大牛发表了经典的《Rapid Object Detection using a Boosted Cascade of Simple Features》和《Robust Real-Time Face Detection》，在AdaBoost算法的基础上，使用Haar-like小波特征和积分图方法进行人脸检测，他俩不是最早使用提出小波特征的，但是他们设计了针对人脸检测更有效的特征，并对Ad
haar特征提取代码 MATLAB版
12-26
计算机视觉 目标追踪 haar特征提取代码 MATLAB版
haar-like特征提取
06-08
采用积分图的方法,快速提取图像haar-like特征
【CV】Haar特征描述算子-人脸检测
LJF159的博客
07-02 3581
理论部分 Haar-like特征 Haar特征分为四类：边缘特征、线性特征、中心特征和对角线特征。这些特征组合成为特征模板，特征模板内有白色和黑色两种矩形，定义该模板的Haar特征值为白色矩形像素和减去黑色矩形像素和。Haar特征值反映了图像的灰度变化情况。人脸识别中，脸部的一些特征能用矩形特征简单描述，比如眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色深，嘴巴比周围颜色深等。但矩形特征只对一些简单的图形结构，如边缘、线段，比较敏感。所以，只能描述特定走向（水平、垂直、对角）的结构。 上图中，A、B、D这类特征
计算机视觉基础-图像处理-Haar特征描述算子-人脸检测
weixin_46729859的博客
07-02 305
Haar-like特征最早是由Papageorgiou等应用于人脸表示，在2001年，Viola和Jones两位大牛发表了经典的《Rapid Object Detection using a Boosted Cascade of Simple Features》和《Robust Real-Time Face Detection》，在AdaBoost算法的基础上，使用Haar-like小波特征和积分图方法进行人脸检测，他俩不是最早使用提出小波特征的，但是他们设计了针对人脸检测更有效的特征，并对AdaBoost
机器视觉基础之——Haar特征描述算子-人脸检测
zhangxiaolinxin的博客
07-02 499
一、简介 Haar-like特征最早是由Papageorgiou等应用于人脸表示，在2001年，Viola和Jones两位大牛发表了经典的《Rapid Object Detection using a Boosted Cascade of Simple Features》和《Robust Real-Time Face Detection》，在AdaBoost算法的基础上，使用Haar-like小波特征和积分图方法进行人脸检测，他俩不是最早使用提出小波特征的，但是他们设计了针对人脸检测更有效的特征，并对Ada
Datawhale 计算机视觉基础-图像处理（下）-Task03 Haar特征描述算子-人脸检测
weixin_44505390的博客
07-02 2181
Haar概念 Haar特征 Haar特征是一种用于目标检测或识别的图像特征描述子，Haar特征通常和AdaBoost分类器组合使用，而且由于Haar特征提取的实时性以及AdaBoost分类的准确率，使其成为人脸检测以及识别领域较为经典的算法。 Haar-like特征是是计算机视觉领域一种常用的特征描述算子。它最早是由Papageorigiou等 人用于人脸描述。目前常用的Haar-like特征可以分为三类：线性特征、边缘特征、点特征（中心特征）、对角线特征。如下图所示 ： 在计算Haar特征值时，用白色区域
Haar-like算子人脸检测读书笔记
shentayutayu的博客
07-21 202
肤色YCbCr颜色空间是一种常用的肤色检测的色彩模型，其中Y代表亮度，Cr代表光源中的红色分量，Cb代表光源中的蓝色分量。人的肤色在外观上的差异是由色度引起的，不同人的肤色分布集中在较小的区域内。肤色的YCbCr颜色空间CbCr平面分布在近似的椭圆区域内，通过判断当前像素点的CbCr是否落在肤色分布的椭圆区域内，就可以很容易地确认当前像素点是否属于肤色。将图像转换到YCbCr空间并且在CbCr平面...
Task03 Haar特征描述算子-人脸检测
H_94hui的博客
07-02 418
Datawhale 计算机视觉基础-Task03 Haar特征描述算子-人脸检测3.1 简介3.2 学习目标3.3 算法理论介绍 3.1 简介 Haar-like特征最早是由Papageorgiou等应用于人脸表示，在2001年，Viola和Jones两位大牛发表了经典的《Rapid Object Detection using a Boosted Cascade of Simple Features》和《Robust Real-Time Face Detection》，在AdaBoost算法的基础上，使用
人脸检测：Haar特征与Adaboost级联分类器
在人脸识别领域，Haar特征是一种被广泛使用的特征描述符，它主要用于人脸检测。Haar特征分为边缘特征、线性特征和中心特征及对角线特征，这些特征能够捕获图像中人脸的局部结构信息，如眼睛、鼻子和嘴巴等。通过组合...
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