一、Cascade Classification: 级联分类器
级联分类器不是同时检查所有6000个特征,而是将这些特征分组到不同的阶段,然后逐个去检查。(通常前几个阶段包含的特征数量较少)。
如果在第一阶段(下图中的f1)特征检查失败,我们就不继续检查其它的特征,直接抛弃它。
如果在第一阶段特征检查通过,则检查第二阶段(下图中的f2)并继续这个过程。当所有阶段都通过,则目标检测成功。
二、Haar(哈尔)
Haar-like特征分为三类:
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。
对于特征1中的图a, b, c和d这类特征,特征数值计算公式为:v=Σ白-Σ黑,而对于特征2中的图a, c, e和g来说,计算公式如下:v=Σ白-2*Σ黑;之所以将黑色区域像素和乘以2,是为了使两种矩形区域中像素数目一致。我们希望当把矩形放到人脸区域计算出来的特征值和放到非人脸区域计算出来的特征值差别越大越好,这样就可以用来区分人脸和非人脸。
人脸检测 (测试图片:wg1_2016.jpg) | haarcascade_frontalface_alt.xml | 测试结果:0.317090秒,检测到46个对象 |
haarcas |