zylxadz的专栏

目标检测的图像特征提取之（一）Haar特征 zouxy09@qq.com http://blog.youkuaiyun.com/zouxy09   1、Haar-like特征        Haar-like特征最早是由Papageorgiou等应用于人脸表示，Viola和Jones在此基础上，使用3种类型4种形式的特征。 Haar特征分为三类：边缘特征、线性特征、中心

目标检测的图像特征提取之（二）LBP特征 zouxy09@qq.com http://blog.youkuaiyun.com/zouxy09           LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen, 和D. Har

浅析人脸检测之Haar分类器方法 转自：http://www.cnblogs.com/ello/archive/2012/04/28/2475419.html 一、Haar分类器的前世今生        人脸检测属于计算机视觉的范畴，早期人们的主要研究方向是人脸识别，即根据人脸来识别人物的身份，后来在复杂背景下的人脸检测需求越来越大，人脸检测也逐渐作为一个单独的研究方向发展起来。

计算机视觉目标检测的框架与过程 zouxy09@qq.com http://blog.youkuaiyun.com/zouxy09         个人接触机器视觉的时间不长，对于机器学习在目标检测的大体的框架和过程有了一个初步的了解，不知道对不对，如有错误，请各位大牛不吝指点。   目标的检测大体框架： 目标检测分为以下几个步骤： 1、训练

目标检测的图像特征提取之（三）HOG特征 转自：http://blog.youkuaiyun.com/zouxy09  1、HOG特征：        方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器