(四)OpenCV级联分类器训练与使用_01_Haar与LBP级联分类器原理

最新推荐文章于 2025-04-08 13:30:00 发布

原创

最新推荐文章于 2025-04-08 13:30:00 发布

· 1.4k 阅读

1 ·

版权

文章标签：

#opencv

本文介绍了OpenCV中用于对象检测的级联分类器，重点讲解了Haar特征和LBP特征，以及级联分类器的AdaBoost原理。文章还提及Viola和Jones在2001年提出的实时对象检测框架，该框架以5000个正向人脸样本和300万个非人脸负样本进行训练。在OpenCV中，级联分类器通过CascadeClassifier实现，用于加载特征数据并检测目标对象。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

①Haar特征与LBP特征
小波特征+对角线特征“类Haar特征”,局部二值模式“替代特征LBP”。
②级联分类器原理AdaBoost
Viola和Jones,2001在CVPR提出;
一种实时对象(人脸)检测框架;
训练速度非常慢,检测速度非常快;
5000个正向人脸样本与300万个非人脸负样本数据。
级联分类器:多个强分类器组合
弱分类器:weak classifier = Feature
强分类器:多个弱分类器的线性组合
③OpenCV中级联分类器使用CascadeClassifier
加载特征数据
检测特征对象

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

String fileName = "haarcascade_frontalface_alt.xml";//当前项目文件下的xml文件//opencv自带训练好的人脸识别级联器
CascadeClassifier face_cascade;//定义用来做目标检测的级联分类器的一个类

int main(int argc, char** argv)
{
   
	if (!face_cascade.load(fileName)