《Python人脸识别:从入门到工程实践》 ——3.6.3 Haar特征

举报
华章计算机 发表于 2020/02/20 18:48:21 2020/02/20
【摘要】 本节书摘来自华章计算机《Python人脸识别:从入门到工程实践》 —— 书中第3章,第3.6.3节,作者是王天庆 。

3.6.3 Haar特征

Haar特征即Haar-like特征,又称Viola-Jones识别器,这是因为该特征提取算法是由当时在微软研究院工作的Viola与三菱电子实验室的Jones在2001年到2004年逐步改进并完善的。该算法最终被经典论文《Robust Real-Time Face Detection》比较完整地阐述,Haar特征常常被用在人脸检测中,该论文也主要针对的是人脸检测场景。

Haar特征的提取过程比较简单,通过不同模板来对图片进行特征提取,最后筛选出比较具有代表性的特征再使用强分类器进行分类。图3-15是Haar特征在提取时采用的若干模板。

image.png

图3-15 Haar特征采用的特征模板

根据特征模板计算特征值的过程也比较简单。我们可以看到,模板中有黑色和白色两个区域,将模板中黑***域与白***域内像素点的灰度值之和作差作为该模板提取到的特征。

在图像中不同区域使用模板进行特征提取,这样就会提取到很多数据,不过,这个计算量也是十分巨大的。因为,即便图像的尺寸很小,但是模板的数量有很多,模板在图片中不同区域分别进行扫描,这样扫描到的次数就会很多,由此会导致使用模板对图片进行特征提取时的计算量很大。例如,有人统计过,24×24像素尺寸的图片,检测窗口内矩形特征数量可达到16万之多。低像素图片尚且如此,高像素图片的特征提取过程将更加复杂,数量也会更多。因此,有人提出了积分图法用以解决特征提取过程中计算量过大的问题,该算法的原理与动态规划的原理是类似的。

如图3-16所示演示了采用Haar特征对人脸图片进行特征提取的过程。

image.png

图3-16 采用Haar特征提取图片特征的过程演示


【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。