问题标签 [haar-wavelet]

我正在尝试了解 Viola-jones 人脸检测算法。在论文中，他们提到在 24x24 像素图像中可以有 160k 加 haar 特征。

我正在努力理解如何确定弱分类器。例如，如果我有 10k 张图像，面孔 + 非面孔。我在整组图像上交换了一个 Haar 特征。现在既然特征的结果是一个整数值（白色区域和灰色区域之和之间的差），我们如何使用这个整数值来确定它是否正确分类了人脸或非人脸图像。

感谢阿里·乌梅尔

我正在实施 Viola-Jones 人脸检测器来检测静止图像中的人脸，它对与我的训练大小相同大小的图像非常有效。但是我不知道面部检测器如何处理多种尺寸的面部？

如果我的图像的训练尺寸是 24*24，并且如果我想在 30*30 的检测器窗口中检测人脸，我需要如何重新调整 haar 特征，以便它适用于 30*30 尺寸的检测器窗口。临界点。

还有一件事，Haar 特征的位置是否也会随着不同大小的检测器窗口而变化，如果是，如何变化？

我正在实施 Viola-Jones 人脸检测算法，对 haar 特征阈值有点困惑。我正在使用跟随计算 haar-feature 的阈值。脚步：

a) 计算同一位置的所有正（人脸）图像中的 haar 特征值。b) 获取介于最小特征值和平均特征值之间的所有特征值得到列表，MinToAvg = [] c) 对 MinToAvg 中的每个值分类数据（正和负）并得到 pos 的数量。图像（Pos.）它分类为面部和误报数（FP）。d) 特征值被认为是我得到 max(Pos-FP) 的特定特征的阈值。

对于每一轮提升，Haar 特征的阈值保持不变，相反，Viola-Jones 论文中讨论的 Haar 特征阈值随着每一轮提升而变化。

我的问题是：1）我在计算 Haar 特征阈值的方法是否正确？2) 每轮提升的门槛需要改变吗？

我正在使用 Python。

谢谢！

我正在寻找一种使用 OpenCV 在“中级”android 设备上以合理性能实现头部检测和跟踪的方法。

我的想法（使用类似 Haar 的算法）：

将每个视频帧的大小调整为更小，然后将其转换为灰度。

第一帧：

1. 使用一些 Haar 级联查找面部绑定并保存
2. 找到眼睛进入面部绑定（使用其他一些 Haar 模板）
3. 嘴巴也一样

对于下一帧：

1. 使用面部的旧边界并将其展开以找到头部（已更改其位置）。
2. 在扩展范围内查找人脸。
3. 在脸上找到眼睛。
4. 在脸上找到嘴巴。

我担心这个循环在直播视频中的表现。这是一个好的时间表还是让我使用其他算法？类似哈尔的算法看起来很重。

我的应用程序需要为每一帧存储眼睛和嘴巴坐标。所以我无法从包含头部位置的当前帧和包含眼睛和嘴巴初始位置的第一个头部边界框中获取这些值。

嗨，我是 python 新手，使用 python 实现 Viola-Jones 人脸检测算法。虽然使用 Adaboost 进行 haar 特征选择，但我的代码在每一轮提升中选择一个 haar 特征需要很长时间（大约 18 小时）。不知何故，我发现评估 haar 特征所花费的时间是我的代码中最耗时的工作。我在下面展示python代码：

列表：积分图像列表

(x,y,h,w,f,p)：位置 (x,y) 处的 Haar 特征。h 和 w 是 haar 特征中一个矩形的高度和宽度，这意味着两个矩形（|----|----|）的 haar 特征的总高度为 h，总宽度为 2*w。f 是 haar 特征类型，p 是奇偶校验。

上面的代码评估了两个 haar 特征类型两个矩形水平 haar 特征和两个矩形垂直 haar 特征。

有没有使用 python 评估 haar 特征的最快方法？任何改进上述代码的建议，以便我可以处理时间因素。在这里，我最关心的是时间因素。

谢谢！

我以前问过类似的问题，但觉得我的问题没有得到真正的回答。我正在使用 Circle Hough 变换来检测和跟踪球。但是，我现在需要进行额外检查，以确定检测到的圆圈是否实际上是一个球。

我一直在考虑使用神经网络、Haar 分类器、SVM 之类的东西（即 AI）。但是，它需要非常强大，而且由于我是这些 AI 技术的新手，我不确定哪一种是最好和最强大的技术，可以将我的时间投入到学习中。

我正在使用灰度高速相机来捕捉图像，我希望能够使用任何颜色/图案的足球。球也可能被部分遮挡。

如果您认为这些技术不合适，我愿意接受任何关于如何实现这一点的想法/建议。

我提前感谢大家的帮助，非常感谢！

我想知道 Haar-Like Feature 方程。这可以证明任何边缘特征、线特征和中心环绕特征。

最好的感谢chairat（泰国）

我正在实施 Viola-Jones 人脸检测来检测人脸。在使用 Adaboost 进行训练时，boosting round 会选择相同的 haar 特征。例如，如果(x,y,w,h,f,p)前三轮选择的 Haar-feature 是(0,0,4,2,1,0)，(1,3,5,2,3,1)那么(2,4,7,2,4,1)对于剩下的一轮 boosting 它选择相同的 haar-feature，这样我选择的 Haar-feature 的列表就变成了，

[(0,0,4,2,1,0),(1,3,5,2,3,1),(2,4,7,2,4,1),(1,2,4,8,1,0),(1,2,4,8,1,0),(1,2,4,8,1,0),(1,2,4,8,1,0),(1,2,4,8,1,0)].

这里， x,y = x_y coordinate, w = width of Haar-feature, h = height of Haar-feature, f = feature type, p = parity of Haar-feature.

我的问题：

1）如果每一轮boosting选择相同的Haar-feature，我应该选择下一个具有相对最小误差的Haar-feature。

谢谢！

大家，我已经在 Opencv 中训练了我自己的分类器，当我运行它时会得到一种不好的结果。我的目标是使用 Haar 特征作为指导，所以我不想在执行整个级联分类器之后而是在每个步骤中，在每个特征之后查看积极因素。那么，是否可以告诉检测器在该特征处停止，或者我是否必须手动截断包含特征阈值的 xml 文件？谢谢

有人试图在 opencv 或 C++ 中实现 DWT 吗？我看到了关于这个主题的旧帖子，但我发现它们对我没有用，因为我需要一个近似系数和细节作为小波变换的结果。

我试图将它添加到我的项目中，但它没有按计划工作。

这很简单，因为结果参数我需要近似系数和细节：

所以有人可以帮我找到用 C++ 实现的 dwt，或者告诉我如何从上面的代码系数中提取。谢谢