LBPH+Adaboost人脸检测、识别
来源:互联网 发布:vue.js 遮罩层 编辑:程序博客网 时间:2024/05/22 03:41
检测:
可能的方法一:
LBPH的维数如果是:8×8×64=2710
也就是说LBPH是一个2710维的特征,那么每一维都相当于一个haar特征;所以就像是Haar+Adaboost一样,找维数种分辨能力最强的为弱分类器,用Adaboost的方法训练获取Adaboost的LBPH分类器;
可能的方法二:
识别:论文:在基于Boo sting LBP的人脸性别识别方法中, 首先利用可变尺寸的子窗口对人脸图像所有区域进行扫描,获取每个子窗口内的LBP直方图.对于每一类(本文中为两类)求得每一子窗口的平均LBP直方图作为模板, 采用卡方距离计算各个子窗口与模板之间的差异构造弱分类器.最后采用Adaboo st 算法对弱分类器进行挑选, 求得相应权值,合并成为最终的强分类器 。
我的想法:应该是算所有人脸样本的平均LBPH,算每个样本的LBPH,算每个样本的LBPH(子窗口)和平均人脸样本的卡方距离作为弱分类器;
算两个LBPH之间的卡方距离等;
阅读全文
0 0
- LBPH+Adaboost人脸检测、识别
- 人脸识别之LBPH
- Linux系统下利用OpenCV实现人脸检测和基于LBPH算法的人脸识别
- 人脸检测--LBPH-局部二进制编码直方图
- Adaboost 人脸检测
- adaboost人脸检测
- 人脸检测--AdaBoost
- 【计算机视觉】OpenCV人脸识别facerec源码分析2——LBPH概述
- OpenCV人脸识别facerec源码分析2――LBPH概述
- 【计算机视觉】OpenCV人脸识别facerec源码分析2——LBPH概述
- OpenCV人脸识别facerec源码分析2——LBPH概述
- 【计算机视觉】OpenCV人脸识别facerec源码分析2——LBPH概述
- 【计算机视觉】OpenCV人脸识别facerec源码分析2——LBPH概述
- Adaboost 人脸检测基本原理
- AdaBoost人脸检测原理
- AdaBoost人脸检测原理
- 关于ADABOOST人脸检测
- AdaBoost人脸检测原理
- Linux系统文件编程
- 数据结构实验之图论八:欧拉回路
- Python日积月累
- java中存在i+1<i这种情况。
- SPP-Net可以解决不同的数据集之间Scale不一致的问题
- LBPH+Adaboost人脸检测、识别
- beflameNext初学备注
- 在eclipse的maven插件中搜寻本地仓库中的jar搜索不到的解决方案
- Executors类
- 【嵌入式学习历程13】Linux进程控制编程
- CodeForces
- PAT1030 Dijkstra
- SpringAOP源码解析
- xpath路径表达式笔记