目录
Adaboost人脸检测
基本原理
首先介绍一下Haar-like特征，Haar-like特征是一种基于矩形特征的图像描述方法。它通过在图像上定义一组简单的矩形区域，并计算这些区域内像素值的加权和或差值来提取特征。这些特征能够有效地捕捉图像中的局部对比度信息，例如边缘、线条和纹理等。可以类比理解为机器学习中人工设计的特征，注意，这种人为设计的特征越复杂，计算的成本就越高。
Haar-like特征可以分为边缘特征、中心特征、对角线特征以及线性特征。
(a)即为边缘特征，其用于检测目标图像在边缘上的变化信息，如人脸边缘与背景的灰度变化，人头发与人脸额头之间的灰度变化等；
(b)即为线性特征，其用于检测目标图像在水平以及垂直方向上的变化信息，如人的鼻梁两侧肤色要比鼻梁上的颜色深等；
(c)即为中心特征和对角线特征，其用于检测对角线上以及矩形模板外围和中心之间的变化信息，如人的眼睛比人脸的其他部分颜色要深，嘴巴要比其周围肤
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
