这篇博客探讨了物体识别系统的关键步骤，包括特征选取和分类器算法。常见的特征有Haar、LBP、HOG和Shift，而SVM和AdaBoost是常用的分类器。文章还提及了OpenCV在人脸识别中的应用，如使用PCA、LDA和LBP方法。通过创建训练样本和训练分类器，如opencv_createsamples和opencv_haartraining，来实现物体检测。
计算机视觉目标检测的框架与过程 http://blog.youkuaiyun.com/liulina603/article/details/8291143
其实上面这个模式分类的过程是适合很多领域的，例如图像啊，语音识别等等。那么这整一个过程关键点在哪呢？
（1）特征选取：
感觉目标比较盛行的有：Haar特征、LBP特征、HOG特征和Shif特征等；他们各有千秋，得视你要检测的目标情况而定，例如：
拳头：纹理特征明显：Haar、LBP（目前有将其和HOG结合）；
手掌：轮廓特征明显：HOG特征（行人检测一般用这个）；
（在博客中，我会参考各牛人的博客和资料来整理
最低0.47元/天 解锁文章
扫一扫
911
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
