PS. 由于本人工作上事情较多,有关于Haar分类器用于人脸检测的学习,已经初步学习并了解原理与过程。
但是暂时没有时间来整理所有知识点的博客。
下面将着重介绍一下几个步骤,然后推荐一些博客。
并附上用haar+级联分类器的方法,opencv+python的实现,用于人脸检测。
后期有空了再补上详细原理步骤!!!!!!
一、haar分类器用于人脸检测的几个关键点:
1. Haar-like 特征
2. Haar-like特征的计算—积分图
3. 计算Haar特征值
4. Haar特征值归一化(也可标准化)
5. Adaboost级联分类器 (人脸训练 + 检测)
二、几个比较好的博客介绍:
三、通俗的理解haar分类器用于人间检测的五大步骤
1、准备人脸、非人脸样本集;
2、计算特征值和积分图;
3、筛选出T个优秀的特征值(即最优弱分类器);
4、把这个T个最优弱分类器传给AdaBoost进行训练。
5、级联,也就是强分类器的强强联手。
四、opencv + python 的实现:
1、进入python安装过所有包的那个文件夹:
比如我的是 D:\XXX\XXX\python3.6/site-packages
2、选择cv2 文件夹 进入,在选择data文件夹进入:里边有很多的可用的一些opencv已经弄好了的方法。