人脸检测
银霜覆秋枫
这个作者很懒,什么都没留下…
展开
-
opencv 训练【转载,关于Haar特征训练源代码参数的分析】
一、简介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。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,被检窗口依次通过每一级分类器,这样在转载 2013-11-04 10:23:41 · 926 阅读 · 0 评论 -
adboost算法学习笔记分享
第一部分:算法的产生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的效转载 2013-11-04 10:26:01 · 1266 阅读 · 1 评论 -
目标检测的图像特征提取之(一)HOG特征
目标检测的图像特征提取之(一)HOG特征zouxy09@qq.comhttp://blog.csdn.net/zouxy09 1、HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构转载 2013-11-04 10:38:38 · 971 阅读 · 0 评论 -
openCV——人脸检测资料汇总
训练分类器训练分类器,有图有真相先看这篇,是现在网上各个版本的总结http://blog.csdn.net/tyt2222008/article/details/5838389上文重点提到的英语教程 Tutorial: OpenCV haartraining (Rapid Object Detection With A Cascade of Boosted Classifier转载 2013-11-04 11:20:04 · 1727 阅读 · 0 评论 -
如何用OpenCV训练自己的分类器
另:英文说明http://se.cs.ait.ac.th/cvwiki/opencv:tutorial:haartraining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,在这里转载 2013-11-04 10:30:43 · 1363 阅读 · 1 评论 -
机器学习算法中文视频教程
机器学习算法中文视频教程zouxy09@qq.comhttp://blog.csdn.net/zouxy09 在网上狂搜ReproducingKernel Hilbert Space的时候,找到了一个好东西。这个是李政軒Cheng-Hsuan Li的关于机器学习一些算法的中文视频教程。感觉讲得很好。这里非常感谢他的分享:http://www.power转载 2013-11-04 10:35:05 · 1156 阅读 · 0 评论 -
基于OpenCV的人脸识别设计方案
人脸识别的研究可以追溯到上个世纪六、七十年代,经过几十年的曲折发展已日趋成熟,构建人脸识别系统需要用到一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等 .而人脸识别在基于内容的检索、数字视频处理、视频检测等方面有着重要的应用价值,可广泛应用于各类监控场合,因此具有广泛的应用前景。OpenCV是Intel 公司支持的开源计算机视觉库。它轻量级而且高效--由一系列转载 2013-11-04 11:15:27 · 2317 阅读 · 0 评论 -
opencv haar训练--训练样本(4)
1.海尔训练现在,我们使用haartraining.exe来训练我们自己的分类器。训练语句如下:Usage: ./haartraining -data -vec -bg [-npos ] [-nneg ] [-nstages ] [-nsplits ] [-mem ] [-sym (default)] [-no转载 2013-11-04 11:49:10 · 913 阅读 · 0 评论 -
OpenCV 之 HaarTraining 算法剖析
from:http://blog.csdn.net/longzaitianya1989/article/details/8174768 OpenCV 之 HaarTraining 算法剖析1.引言 通过前段时间阅读 OpenCV 的 HaarTraining 代码,基本掌握了 HaarTraining 算法。现将其中的算法作一梳理,同时对 HaarTraini转载 2013-11-05 21:52:19 · 1120 阅读 · 0 评论 -
LIBSVM学习记录
源自:http://www.cppblog.com/guijie/archive/2012/03/26/169034.htmlLIBSVM学习记录在电脑文件夹E:\other\matlab 2007a\work\SVM\libsvm-mat-3.0-1 ,这个是已经编译好的,到64位机上要重新编译(不要利用别人传的,因为可能改过SVM程序,例如Libing wang他改过其转载 2013-11-12 21:06:13 · 1124 阅读 · 0 评论 -
Hog+svm行人检测
源自:http://blog.csdn.net/liulina603/article/details/8309758(1)第一个工程是用来训练分类器和检测正样本检测率的// PeopleDetectHog.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#include #include #include转载 2013-11-18 16:25:38 · 1150 阅读 · 0 评论 -
数据挖掘十大经典算法(7) AdaBoost
原文转自:http://blog.csdn.net/aladdina/article/details/4141124 Adaboost是一种迭代算法,其核心思想是针对同一个训练集训练不同的分类器(弱分类器),然后把这些弱分类器集合起来,构成一个更强的最终分类器 (强分类器)。其算法本身是通过改变数据分布来实现的,它根据每次训练集之中每个样本的分类是否正确,以及上次的总体分类的准确转载 2013-11-04 10:14:26 · 794 阅读 · 0 评论 -
基础学习笔记之opencv(3):haartraining生成.xml文件过程
1.准备正负样本: 在上一讲http://www.cnblogs.com/tornadomeet/archive/2012/03/27/2420088.html 中,我们已经收集到了训练所用的正样本。下面就开始收集负样本了,负样本要求是:不能包含人脸,且图片大小也不需要归一化到正样本尺寸,只需比正样本尺寸大或者相等即可。建议负样本用灰度图,加快训练速度,且负样本一定不能重复,要增大转载 2013-11-04 17:45:52 · 1425 阅读 · 0 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
基于opencv2.0的算法第一步 采集样本 1、 将正负样本分别放在两个不同的文件夹下面 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 注意事项:1、正样本要统一切成24*24像素(或者其他)的格式,建议保存成灰度图,节省空间转载 2013-11-04 10:27:52 · 1935 阅读 · 1 评论 -
常用人脸库
人脸数据库汇总2009年08月07日 星期五 02:11 P.M.人脸数据库汇总■Annotated Database (Hand, Meat, LV Cardiac, IMM face) (http://www2.imm.dtu.dk/~aam/)■AR Face Database (http://cobweb.转载 2013-11-04 11:44:33 · 1166 阅读 · 0 评论 -
开篇-HOG提取训练检测+样本制作
整体框架: 样本制作+训练+检测 - (vs2008 + opencv2.3.1 + libsvm(可换用svmlight需改动部分源代码))1. 样本制作:Make_Sample类1.1功能大致如下(如需要详细的介绍,请直接参看源码) Make_Sample() : 加载抠选参数可以采用这种方式,构造实例。 Make_Sample(Size winSize,P转载 2013-11-04 16:12:49 · 949 阅读 · 0 评论 -
OpenCV训练分类器制作xml文档
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。 参考英文资料网址: http://note.sonots.com/SciSoftware/haartraining.html#e134e74e 整个过程分为两步:1. 创建样本2. 训练分类器 现在转载 2013-11-04 10:29:36 · 992 阅读 · 0 评论 -
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。 Viola人脸检测方法是一种转载 2013-11-04 10:32:10 · 1020 阅读 · 0 评论 -
浅析人脸检测之Haar分类器方法:Haar特征、积分图、 AdaBoost 、级联
浅析人脸检测之Haar分类器方法一、Haar分类器的前世今生 人脸检测属于计算机视觉的范畴,早期人们的主要研究方向是人脸识别,即根据人脸来识别人物的身份,后来在复杂背景下的人脸检测需求越来越大,人脸检测也逐渐作为一个单独的研究方向发展起来。 目前的人脸检测方法主要有两大类:基于知识和基于统计。Ø 基于知识的方法:主要利用先验知识将人脸看作器转载 2013-11-04 10:39:57 · 1079 阅读 · 2 评论 -
opencv人脸检测分析(1)
【转载】浅谈OpenCV人脸检测 (1)科研学习 2009-09-19 17:21 阅读131 评论0 字号: 大 中 小OpenCV的人脸检测主要是调用训练好的cascade(Haar分类器)来进行模式匹配。cvHaarDetectObjects,先将图像灰度化,根据传入参数判断是否进行canny边缘处理(默认不使用),再进行匹配。匹配后收集转载 2013-11-04 11:46:29 · 1043 阅读 · 0 评论 -
opencv haar训练样本准备(1)
OpenCV给我们提供了很多训练分类器的方法和程序。对于人脸检测的分类器训练叫做海尔训练,我们可以用这些方法创建我们自己的分类器。(一)数据准备:正样本(人脸) 我们需要收集只含有脸部的图像。The UMIST Face Database 有着类似Video般的连续脸部图像,不论是正脸的还是侧脸的。我以为训练这些图像能生成一个面部表情鲁棒性很好的脸部检测器。然而我转载 2013-11-04 11:47:40 · 1358 阅读 · 0 评论 -
OpenCV中的HOG+SVM物体分类
这里总结网上自己找到的资料,搞一个简单的框架供大家参考一下。OpenCV官方的SVM代码在http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/ml/introduction_to_svm/introduction_to_svm.html在http://blog.csdn.net/sangni007/arti转载 2013-11-04 16:04:51 · 1055 阅读 · 0 评论 -
基于人头检测的人流量监测
源自:http://blog.csdn.net/soulusst/article/details/9305445最近在做基于Meanshift的人脸跟踪,效果一般。标准算法选择Hue分量作为特征,为了提高对背景的鲁棒性,有人提出了结合梯度、LBP等特征的多特征空间。但是直方图维数太少,而且丢失空间信息,使得特征分类价值退化严重。经测试,对于背景颜色与肤色类似(黄色)的情况,跟踪失效。因此看转载 2013-12-10 09:19:58 · 10185 阅读 · 1 评论