Haar級聯(lián)分類器概述
—— 才疏學(xué)淺, 難免有錯誤和遺漏, 歡迎補充和勘誤.文章來源：http://www.zghlxwxcb.cn/news/detail-470189.html
- Haar級聯(lián)分類器是基于Haar-like特征，運用積分圖加速計算，并用Adaboost訓(xùn)練的強分類器級聯(lián)的方法來進行人臉檢測。
- 目前常用Haar-like特征的分類有：
- 首先定義每個Haar-like特征的特征值
f
i
f_i
fi?為：
featurevalue i = _{i}= i?= weight white ∑ p ∈ ?wite? p \sum_{p \in \text { wite }} p ∑p∈?wite??p - weightblack ∑ p ?Eblack? p \sum_{p \text { Eblack }} p ∑p?Eblack??p
即 f i f_i fi?=白色區(qū)域像素-黑色區(qū)域像素，weight為權(quán)重值，其是為了白、黑兩種矩形區(qū)域的像素數(shù)目一致，保證在灰度絕對均勻的地方其特征值是0。 - Haar-like特征的值經(jīng)過運算可以反映該區(qū)域的灰度變化情況，將一副輸入圖像的每一個區(qū)域也做類似的運算后與訓(xùn)練集中圖像的Haar-like特征值對比，如圖2所示，根據(jù)生活實際我們有以下常識：在人臉上鼻梁兩邊部位的顏色比鼻梁處更深，兩個眼睛部位的顏色比旁邊臉頰處更深等，所以可以據(jù)此判斷輸入圖像是否具有人臉特征。
- 特征模板經(jīng)過平移、伸縮變換得到一系列新的矩形特征。矩形特征根據(jù)其類型、位置和大小的不同，可以在一副圖像中可以生成非常多的矩形特征從而增大了計算壓力，所以需要運用積分圖的方法來提高特征值的計算效率。
- 積分圖的構(gòu)造方式是：位于圖像 ( i , j ) (i,j) (i,j)處的積分圖 i i ( i , j ) ii(i,j) ii(i,j)是該處左上角方向所有像素 f ( k , l ) f(k,l) f(k,l)的和：integral_image ( i , j ) = i i ( i , j ) = ∑ k ≤ i , l ≤ j f ( k , l ) (i, j)=i i(i, j)=\sum_{k \leq i, l \leq j} f(k, l) (i,j)=ii(i,j)=∑k≤i,l≤j?f(k,l)
- 積分圖在圖像各個點的處上儲存了其左上角所有像素的和，下面是對圖像中某一區(qū)域運用積分圖計算Haar-like特征來得到其特征值：
區(qū)域A的像素值為：
i
i
(
5
)
+
i
i
(
1
)
?
i
i
(
2
)
?
i
i
(
4
)
ii(5) + ii(1) - ii(2) - ii(4)
ii(5)+ii(1)?ii(2)?ii(4)，
區(qū)域B的像素值為：
i
i
(
6
)
+
i
i
(
2
)
?
i
i
(
5
)
?
i
i
(
3
)
ii(6) + ii(2) - ii(5) - ii(3)
ii(6)+ii(2)?ii(5)?ii(3)。
該矩形特征的特征值為：
i
i
(
5
)
+
i
i
(
1
)
?
i
i
(
2
)
?
i
i
(
4
)
?
[
i
i
(
6
)
+
i
i
(
2
)
?
i
i
(
5
)
?
i
i
(
3
)
]
=
[
i
i
(
5
)
?
i
i
(
4
)
]
+
[
i
i
(
3
)
?
i
i
(
2
)
]
?
[
i
i
(
2
)
?
i
i
(
1
)
]
?
[
i
i
(
6
)
?
i
i
(
5
)
]
\begin{array}{l} ii(5) + ii(1) - ii(2) - ii(4) - \left[ {ii(6) + ii(2) - ii(5) - ii(3)} \right]\\ = \left[ {ii(5) - ii(4)} \right] + \left[ {ii(3) - ii(2)} \right] - \left[ {ii(2) - ii(1)} \right] - \left[ {ii(6) - ii(5)} \right] \end{array}
ii(5)+ii(1)?ii(2)?ii(4)?[ii(6)+ii(2)?ii(5)?ii(3)]=[ii(5)?ii(4)]+[ii(3)?ii(2)]?[ii(2)?ii(1)]?[ii(6)?ii(5)]?文章來源地址http://www.zghlxwxcb.cn/news/detail-470189.html
- 對于
m
m
m個正、負樣本圖像中的某個固定特征fi計算出每張圖像該特征的特征值，將計算出的
m
m
m個特征值進行排序和打標識，然后根據(jù)上節(jié)(基于AdaBoost級聯(lián)分類器的人臉/眼睛位置檢測算法概述)1.中的原理取到最優(yōu)閾值并獲得該特征下的最優(yōu)弱分類器，根據(jù)上節(jié)2.和3.原理來訓(xùn)練出該特征的強分類器，最終通過級聯(lián)的方式獲得Haar級聯(lián)分類器。下圖為運用Haar級聯(lián)分類器來檢測人臉的過程：
到了這里，關(guān)于Haar級聯(lián)分類器概述的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
