我已经阅读了很多关于 Viola Jones 方法的内容，但我仍然不了解矩形特征中的“弱分类器”、“强分类器”、“子窗口”，它们的定义是什么。那么“门槛”呢？我怎么知道阈值？谁能帮我？谢谢之前
问问题
9768 次
1 回答
1
Viola-Jones 算法的目的：检测图像中的人脸。该算法
使用正面直立的脸，因此为了被检测到，整个脸必须
指向相机并且不应该向任何一侧倾斜。算法是基于人脸眼睛、鼻子和嘴巴
位置的物理估计的人脸图像分割。
算法阶段：该算法工作在以下四个阶段： 1. 哈尔特征 2. 整体形象 3.AdaBoost 4. 级联 下面讨论所有这些阶段。在此之前，我将回答一个简单的
问题，**为什么要哈尔**？
Haar 小波是首选，因为它在特征提取 方面优于傅立叶。 现在，我们将讨论该算法所涉及的阶段。 Haar 特征：在给定的输入图像上，一个 24 x 24 的基本窗口将
滑动，同时将 haar 作为参数传递，并且将使用
卷积定理进行计算。有哪些不同的 haar 特征，您可以在此处
研究它们 此阶段的输出将是检测图像的明暗部分
。 Integral Image：上述阶段提取的haar特征会非常
大，计算非常复杂。为了使这个计算
简单而简短，这些提取的 haar 特征被传递给积分图像。
它使用简单的数学计算像素值。您可以在上面提供的链接中学习此
计算。 AdaBoost：由于会有这么多的功能，所有的功能都不会包含
人脸。从积分图像中，我们将得到两种可能的东西：
包含人脸的特征和不包含人脸的特征。我们只需要那些
包含人脸的特征。这项工作将由 Adaboost 完成。它将有助于
使用弱分类器和级联从身体其他部位采样面部。使用的
整个过程是集成方法。所有这些特征的加权排列
用于评估和决定任何给定的窗口是否有面。
它将消除所有冗余功能 级联：弱分类器将级联以形成一个强大的单一
分类器，同时在整个图像上滑动窗口。这个过程也
称为提升弱分类器。分类为人脸的子窗口
被传递到级联中的下一个阶段。因此，
给定子窗口通过的附加阶段，子窗口
真正包含人脸的机会就越高。 Next what : 该模型将在真实图像上进行测试，并
检测人脸。 Viola-Jones 的用例：该模型可以在 CPU 上运行，因此可以
出于学习目的进行实验。 带着敬意， 埃克塔·斯莫斯拉
于 2018-11-19T07:51:45.093 回答