下载此文档

人脸识别理论知识.docx


文档分类:IT计算机 | 页数:约36页 举报非法文档有奖
1/36
下载提示
  • 1.该资料是网友上传的,本站提供全文预览,预览什么样,下载就什么样。
  • 2.下载该文档所得收入归上传者、原创者。
  • 3.下载的文档,不会出现我们的网址水印。
1/36 下载此文档
文档列表 文档介绍
浅析人脸检测之 Haar 分类器方法由于工作需要,我开始研究人脸检测部分的算法,这期间断断续续地学习 Haar 分类器的训练以及检测过程, 在这里根据各种论文、网络资源的查阅和对代码的理解做一个简单的总结。我试图概括性的给出算法的起源、全貌以及细节的来龙去脉, 但是水平有限, 只能解其大概,希望对初学者起到帮助,更主要的是对我个人学习的一次提炼。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。目前的人脸检测方法主要有两大类:基于知识和基于统计。“基于知识的方法主要利用先验知识将人脸看作器官特征的组合,根据眼睛、眉毛、嘴巴、鼻子等器官的特征以及相互之间的几何位置关系来检测人脸。基于统计的方法则将人脸看作一个整体的模式——二维像素矩阵, 从统计的观点通过大量人脸图像样本构造人脸模式空间, 根据相似度量来判断人脸是否存在。在这两种框架之下, 发展了许多方法。目前随着各种方法的不断提出和应用条件的变化, 将知识模型与统计模型相结合的综合系统将成为未来的研究趋势。”(来自论文《基于 Adaboost 的人脸检测方法及眼睛定位算法研究》) 基于知识的人脸检测方法??模板匹配??人脸特征??形状与边缘??纹理特性??颜色特征基于统计的人脸检测方法??主成分分析与特征脸??神经网络方法??支持向量机??隐马尔可夫模型?? Adaboost 算法本文中介绍的 Haar 分类器方法, 包含了 Adaboost 算法, 稍候会对这一算法做详细介绍。所谓分类器, 在这里就是指对人脸和非人脸进行分类的算法, 在机器学习领域, 很多算法都是对事物进行分类、聚类的过程。 OpenCV 中的 ml 模块提供了很多分类、聚类的算法。注: 聚类和分类的区别是什么?一般对已知物体类别总数的识别方式我们称之为分类, 并且训练的数据是有标签的,比如已经明确指定了是人脸还是非人脸,这是一种有监督学习。也存在可以处理类别总数不确定的方法或者训练的数据是没有标签的, 这就是聚类, 不需要学习阶段中关于物体类别的信息,是一种无监督学习。其中包括 Mahalanobis 距离、K 均值、朴素贝叶斯分类器、决策树、 Boosting 、随机森林、 Haar 分类器、期望最大化、 K 近邻、神经网络、支持向量机。我们要探讨的 Haar 分类器实际上是 Boosting 算法的一个应用, Haar 分类器用到了 Boosting 算法中的 AdaBoost 算法,只是把 AdaBoost 算法训练出的强分类器进行了级联, 并且在底层的特征提取中采用了高效率的矩形特征和积分图方法, 这里涉及到的几个名词接下来会具体讨论。虽说 haar 分类器采用了 Boosting 的算法,但在 OpenCV 中, Haar 分类器与 Boostin g 没有采用同一套底层数据结构,《 Learning OpenCV 》中有这样的解释: “ Haar 分类器,它建立了 boost 筛选式级联分类器。它与 ML 库中其他部分相比,有不同的格局,因为它是在早期开发的,并完全可用于人脸检测。”是的,在 200 1年, Viol a 和 Jone s 两位大牛发表了经典的《 Rapid Object Detection using a Boosted Cascade of Simple Features 》【1】和《 Robust Real-Time Face Detection 》【2】, 在 AdaBoost 算法的基础上,使用 Haar-like 小波特征和积分图方法进行人脸检测,他俩不是最早使用提出小波特征的,但是他们设计了针对人脸检测更有效的特征,并对 AdaBoos t 训练出的强分类器进行级联。这可以说是人脸检测史上里程碑式的一笔了, 也因此当时提出的这个算法被称为 Viola-Jones 检测器。又过了一段时间, Rainer Lienhart 和 Jochen Maydt 两位大牛将这个检测器进行了扩展【 3 】,最终形成了 OpenCV 现在的 Haar 分类器。之前我有个误区, 以为 AdaBoost 算法就是 Viola 和 Jones 搞出来的, 因为网上讲 Haar 分类器的地方都在大讲特讲 AdaBoost , 所以我错觉了, 后来理清脉络, AdaBoost 是 Freund 和 Schapire 在 1995 年提出的算法, 是对传统 Boosting 算法的一大提升。 Boosting 算法的核心思想, 是将弱学习方法提升成强学习算法, 也就是“三个臭皮匠顶一个诸葛亮”, 它的理论基础来自于 Kearns

人脸识别理论知识 来自淘豆网m.daumloan.com转载请标明出处.

相关文档 更多>>
非法内容举报中心
文档信息
  • 页数36
  • 收藏数0 收藏
  • 顶次数0
  • 上传人63229029
  • 文件大小572 KB
  • 时间2017-02-03
最近更新