该博客探讨了基于肤色特征的人脸检测方法的局限性，并详细介绍了如何利用AdaBoost构建快速人脸检测系统，包括Haar-like矩形特征、快速计算方法以及分级分类器的构建策略，旨在适应不同光照环境并提升检测效率。
文章目录
人脸检测方法
- 基于规则/知识方法
归纳描述人脸特征的规则，如灰度分布、比例关系、纹理信息等. - 基于模板的方法
固定模板法、可变形模板法 - 基于不变特征的方法
如彩色信息，基于肤色 - 基于表观分类器学习的方法
将人脸检测视为区分非人脸样本和人脸样本的PR问题.
基于肤色特征的检测
RGB、normalized RGB、HSV、YIQ、YES、CIE XYZ、CIE LUV等.
高斯肤色模型
-
一元正态分布肤色模型，以F颜色特征为例
F N ( μ , σ ) μ = 1 N ∑ i = 1 N F i , σ 2 = 1 N − 1 ∑ i = 1 N ( F i − μ ) 2 F~N(\mu,\sigma)\\ \mu = \frac{1}{N}\sum_{i=1}^NF_i,\sigma^2 = \frac{1}{N-1}\sum_{i=1}^N(F_i-\mu)^2 F N(μ,σ)μ=N1i=1∑NFi,σ2=N−1
最低0.47元/天 解锁文章
扫一扫
4075
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
