本文详细介绍了计算机视觉中的目标识别方法，包括基于Haar级联的人脸检测、Eigenfaces、Fisherfaces和LBPH算法的人脸识别，以及使用HOG描述子进行物体检测与识别。同时，提供了Python+OpenCV的代码实现。
更多内容关注公众号：数学的旋律
tb店铺搜：FUN STORE玩物社，专业买手挑选送礼好物
一、目标识别
目标识别的众多方法中，有基于图案结构的人脸识别、基于特征脸的人脸识别、实时人脸识别、已知物体的识别、基于特征的识别、基于区域的识别、同时识别和分割、位置识别、使用上下文信息。
二、Haar级联实现人脸检测
Haar特征是一种用于实现实时人脸跟踪的特征。
对给定的图像，特征可能会因区域大小而有所不同，区域大小也可被称为窗口大小（window sizes）。即使窗口大小不一样，仅在尺度上不同的两幅图像也应该有相似的特征。因此，能为不同大小的窗口生成特征非常有用。这些特征集合称为级联。
Haar级联具有尺度不变性，不具有旋转不变性。
如图1(a)为一部分Haar特征，图1(b)使用该特征计算覆盖范围的特征值，不同的矩形对应特定的权重，计算黑色范围的像素和与白色范围像素和之和，形如
f e a t u r e V a l u e = w e i g h t b l a c k ∑ P i x e l ∈ b l a c k P i x e l + w e i g h t w h i t e ∑ P i x e l ∈ w h i t e P i x e l featureValue = weight_{black}\sum_{Pixel\in black} Pixel + weight_{white}\sum_{Pixel\in white} Pixel featureValue=weightblackPixel∈black∑Pixel+weight
最低0.47元/天 解锁文章
扫一扫
17万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
