问题标签 [viola-jones]

我正在阅读 Viola 和 Jones 的论文。他们在那里使用 ROC 曲线来测量分类器的准确性。

https://www.cs.cmu.edu/~efros/courses/LBMV07/Papers/viola-cvpr-01.pdf

有人可以解释一下在人脸或非人脸等二元分类器的情况下如何绘制 ROC 曲线吗？我的意思是如何获得数据点。

(X,Y)=（假阳性，正确检测率）

我是否必须为我的训练数据集的每个正面和负面计算这些点。但是我的正面和负面数据集的大小不同。我有点困惑。

我正在尝试在 FPGA 上实现 Viola-Jones 算法。我不确定应该如何处理级联分类器。我应该如何在 FPGA 上实现它？

根据我的阅读，Viola-Jones 人脸检测中的每个弱分类器都会获得所有 N 个训练样本，并且只有 1 个特征。

1）这是否意味着我必须首先检查超过 160k 分类器的 24x24 帧，因为有那么多 Haar 特征？
2) 每个弱分类器是否在 N 个训练样本的每一个中检查它自己的特征？IE。使用 N 幅图像中每幅图像的分数并检查积分图像来计算它是否是人脸？

我们如何使用 scikit-image 函数haar_like_feature计算所有类型的所有类 Haar 特征？这是我尝试过的（一个计算类型 2x 的所有特征的简单示例）：

但是我希望得到[1, 2, 3]，因为我们还应该考虑覆盖整个图像的矩形特征，从而产生特征值(2 + 3) - (1 + 1) = 3。

我还查看了 Viola-Jones 论文，它们具有以下几个特征：

（来源：Viola-Jones 人脸检测算法分析）

但是产生的特征数量skimage.feature.haar_like_feature是不同的：

：

因此，这个计算中似乎缺少 472 个特征。我做错了吗？我应该将哪些参数传递给函数haar_like_feature()以获取所有功能？

更新：函数https://github.com/scikit-image/scikit-image/issues/4818的实现似乎存在错误haar_like_feature

我正在尝试使用 python 和 opencv 从同一图像中裁剪多个面孔，但它显示错误。如果有其他方法请告诉我。下面是代码以及错误。

如论文中所述，在训练分类器24x24图像时使用。

但是对于1024x1600包含大小人脸的大小图像的人500x500脸检测，如果我们使用24x24窗口来检测人脸，那么如何检测人脸呢？

我现在尝试理解 Viola-Jones 算法，但我对确定块是否为 Haar 特征的阈值感到困惑。像素的强度在 0->255 的范围内。

当我们有一个理想的 Haar 特征时，delta 值为 255（如左图），但在真实图像中，例如右图，delta 为 146，这是 Haar 特征吗？

我的问题是：哪个值是确定块是否为 Haar 特征的阈值？或者它只是 255/2=127,5？当 delta > 127.5 -> Haar 功能，当 delta < 127.5 -> 没有 Haar 功能？

我想检测视频帧中的人脸并删除背景等其他元素，只想专注于面部区域，为此我需要使用 viola jones 算法，czn 任何人都给我一个提示或合适的答案这个。

在实现 Viola-Jones 目标检测算法的 Python GitHub 存储库中，作者以通常的方式创建了类似 Haar 的特征，但在最内层循环中，他们将两个特征推送到堆栈；一个具有正极性，另一个具有负极性（请参见此处）。为什么需要在此处添加这两个功能？

我正在尝试学习viola-jones算法的基础知识，但我只看到这个算法只能用于人脸识别。Viola-Jones 算法也可以用于人体检测吗？