实例介绍
【实例简介】
人脸检测和人脸识别都是属于典型的机器学习的方法，但是他们使用的方法却相差很大。对于人脸检测而言，目前最有效的方法仍然是基于Adaboost的方法。在网上可以找到很多关于Adaboost方法的资料，但基本上是千篇一律，没有任何新意。给初学者带了很多不便。建议初学者只需要认真阅读：北京大学 赵楠 的本科毕业论文 ：基于 AdaBoost算法的人脸检测 这篇毕业论文就够了。作者详细分析了Adaboost算法在人脸检测中的具体执行过程，尤其是关于弱分类器的Haar特征选取过程，描述的相当清晰。
北京大学太科生业论文 最后一章,用编写的实现了 Adaboost算法的FDt程序,给出了相应的 人脸检测实验结果,并和 Viola等人的结果做了比较 关键词 Keywords ∧ adaboost方法、人脸检测、 Boosting方法、PCA学习模型、弱学习 工工TI 北京大学太科生业论文 谨以此论文献给 A腺嘌呤、T胸腺嘧啶、G鸟嘌呤、C胞嘧啶、1和0 -智能的基本构件 和 开拓智能研究的伟大先驱者们 This dissertation is dedicated to A, T, G, C, 1 and o, the building blocks ofintelligence. and to the pioneers uncovering the foundations ofintelligence. 北京大学太科生业论文 正文目录 Contents 摘要 ABSTRaCT I正文目录 CONTENTS 图 录 LIST OF FIGURES…I表目录LIST OF TABLES ····················a···········ba·。·········。··。······ VIII 人 脸 检 ·· 11概 12难点与展望 213人脸检测方法的性能评 测 1.31人脸图像数据库 ………41.3.2 性能评测. 2检测方法分类… 2,1基于知识的方法 ●●●●●·●··●●●●●D·●b●鲁●·●●●。●。D●●·●●·●·。D。●。·。。●●●D·●看●。·●。·D●看●看。●。● 8 北京大学本科生毕业论文 22特征不变量方法 3模 板 匹 配 方 法 ●香●鲁●鲁·●D·。●·。●·鲁●●鲁·●鲁鲁●●●鲁●·鲁··。●·●鲁音·●鲁。●···。·●●●鲁自●·鲁鲁。●●●b·●鲁自非b●●。● 10 基 于 表 象 的 方 法 11 3经 典 方 法 概 述 ···············.s.···················································· 12 1神 经 网 络 NEURAL NETWORK 2 32特 征 脸 EIGENFACE 13 33基于样本学习方法 EXAMPLE-BASED METHODS 34支持向量机 SUPPORTⅴ ECTOR MACHINE (SVM)........ 15 35隐马尔科夫模型 HIDDEN MARKOV MODEL (HMM) 4 ADABOOST 方 法 概 述 16 4.1引 2 PAC 学 模 16 4.21概述 1 4.22数学描述 音音音。音音 …………………………17 V工 北京大学太科生业论文 43弱 学 习 强 学 1844 BOOSTING 方 法 5矩形特征与积分图 a···············4·················4··4········‘·4······4··4······ 20 51引言 ··········.·········································.··········· 2 52矩形特征 RECTANGLE FEATURE 2 521概述. 20 5.22特征模版. 21 检 器 内 特 征 总 数 22 52.31子窗口内的条件矩形 5232条件矩形的数量… 52.33子窗口的特征矩形数量. 2352.34结 果 24 53积分图 INTEGRAL IMAGE 25 531概念含 ………………25 532利用积分图计算矩形特征 值. 27 V工I 北京大学太科生业论文 5.32.1 图像区域的积分图计算. 5322 矩形特征的特征值计算 8 6 ADABOOST训练算法 ●●●D··●·●···●●。·●·。·●●鲁·●··。·●。·●鲁。●自·鲁。●。●●b·。·●。●鲁 30 6.1训练基本算法 ·●。●。·●··●●·●。鲁鲁●●b·●鲁●··●·●。。●看●。鲁●·●●香···曲鲁鲁●鲁● 30 6.1.1基本算法描述 30 6.12基本算法流程图 32 62弱分类器 WEAK CLASSIFER 33 621特征值f(x) 62阈值q、方向指示符p 38 623弱分类器的训练及选取…... 8 3强 分 类 STRONG CLASSIFIER 40 631构成 40 632错误率上限 40 7程序实现及结果.……… 43 71样本集 ●●·●·····●···········●··············●·······●··●·●·····●··········●··········●··●··● 43 72 练 难 点 及 优 化 44 721计算成本14 V工工T 北京大学本科生毕业论文 7.2.2减少矩形特征的数量…… 省着音自··。·非。。音音。非D音音普申普普普非非非非着 44 723样本预处理 4573 检测结果 46 7.31检测器… …46732 实验结果..47 7321实验对比 47 7.322更多实验结果 49733 结论 53 致谢 ACKNOWLEDGMENTS 54 参 考 文 献 REFERENCES 54 Ver o76 图目录 List of Figures 人 脸 析 流 程 2 图2人脸的遮挡、不同表情、图像的质量、旋转等等都会影响人脸检测.3 图3典型的正面人脸图像数据库中的人脸图 像. 图4左侧为测试图像,右侧为检测结果。不同的标准会导致不同的检测结果。 北京大学本科生毕业论文 图5基于知识的人脸检测方法抽象出人脸的基本特征规则 图6—种人脸检测模板:这个模板由16个区域(图中灰色部分)和23种区域 关系(用箭头表示)组 成 .10 图7 ROWLEY的带有图像预处理的神经网络系 统 …13 图8人脸高斯簇和非人脸高斯 簇 14 图9矩形特征在人脸上的特征匹配。上行是24×24子窗口内选出的矩形特征, 下行是子窗口检测到的与矩形特征的匹 21图10计算mXm检测器内所有可能的矩 形的数量。 22 图11 积分图 与积分的类 比 25 图12坐标A(x,y)的积分图定义为其左上角矩形所有像素之和(图中阴影部 分)。s(x,y)为A(x,y)及其y方向向上所有像素之和(图中粗黑竖线)26 图13区域D的像素和可以用积分图计算为:i+i-(i2+i) 图14矩形特征的特征值计算,只与此特征端点的积分图有关…...9 【实例截图】
【核心代码】
人脸检测和人脸识别都是属于典型的机器学习的方法，但是他们使用的方法却相差很大。对于人脸检测而言，目前最有效的方法仍然是基于Adaboost的方法。在网上可以找到很多关于Adaboost方法的资料，但基本上是千篇一律，没有任何新意。给初学者带了很多不便。建议初学者只需要认真阅读：北京大学 赵楠 的本科毕业论文 ：基于 AdaBoost算法的人脸检测 这篇毕业论文就够了。作者详细分析了Adaboost算法在人脸检测中的具体执行过程，尤其是关于弱分类器的Haar特征选取过程，描述的相当清晰。
北京大学太科生业论文 最后一章,用编写的实现了 Adaboost算法的FDt程序,给出了相应的 人脸检测实验结果,并和 Viola等人的结果做了比较 关键词 Keywords ∧ adaboost方法、人脸检测、 Boosting方法、PCA学习模型、弱学习 工工TI 北京大学太科生业论文 谨以此论文献给 A腺嘌呤、T胸腺嘧啶、G鸟嘌呤、C胞嘧啶、1和0 -智能的基本构件 和 开拓智能研究的伟大先驱者们 This dissertation is dedicated to A, T, G, C, 1 and o, the building blocks ofintelligence. and to the pioneers uncovering the foundations ofintelligence. 北京大学太科生业论文 正文目录 Contents 摘要 ABSTRaCT I正文目录 CONTENTS 图 录 LIST OF FIGURES…I表目录LIST OF TABLES ····················a···········ba·。·········。··。······ VIII 人 脸 检 ·· 11概 12难点与展望 213人脸检测方法的性能评 测 1.31人脸图像数据库 ………41.3.2 性能评测. 2检测方法分类… 2,1基于知识的方法 ●●●●●·●··●●●●●D·●b●鲁●·●●●。●。D●●·●●·●·。D。●。·。。●●●D·●看●。·●。·D●看●看。●。● 8 北京大学本科生毕业论文 22特征不变量方法 3模 板 匹 配 方 法 ●香●鲁●鲁·●D·。●·。●·鲁●●鲁·●鲁鲁●●●鲁●·鲁··。●·●鲁音·●鲁。●···。·●●●鲁自●·鲁鲁。●●●b·●鲁自非b●●。● 10 基 于 表 象 的 方 法 11 3经 典 方 法 概 述 ···············.s.···················································· 12 1神 经 网 络 NEURAL NETWORK 2 32特 征 脸 EIGENFACE 13 33基于样本学习方法 EXAMPLE-BASED METHODS 34支持向量机 SUPPORTⅴ ECTOR MACHINE (SVM)........ 15 35隐马尔科夫模型 HIDDEN MARKOV MODEL (HMM) 4 ADABOOST 方 法 概 述 16 4.1引 2 PAC 学 模 16 4.21概述 1 4.22数学描述 音音音。音音 …………………………17 V工 北京大学太科生业论文 43弱 学 习 强 学 1844 BOOSTING 方 法 5矩形特征与积分图 a···············4·················4··4········‘·4······4··4······ 20 51引言 ··········.·········································.··········· 2 52矩形特征 RECTANGLE FEATURE 2 521概述. 20 5.22特征模版. 21 检 器 内 特 征 总 数 22 52.31子窗口内的条件矩形 5232条件矩形的数量… 52.33子窗口的特征矩形数量. 2352.34结 果 24 53积分图 INTEGRAL IMAGE 25 531概念含 ………………25 532利用积分图计算矩形特征 值. 27 V工I 北京大学太科生业论文 5.32.1 图像区域的积分图计算. 5322 矩形特征的特征值计算 8 6 ADABOOST训练算法 ●●●D··●·●···●●。·●·。·●●鲁·●··。·●。·●鲁。●自·鲁。●。●●b·。·●。●鲁 30 6.1训练基本算法 ·●。●。·●··●●·●。鲁鲁●●b·●鲁●··●·●。。●看●。鲁●·●●香···曲鲁鲁●鲁● 30 6.1.1基本算法描述 30 6.12基本算法流程图 32 62弱分类器 WEAK CLASSIFER 33 621特征值f(x) 62阈值q、方向指示符p 38 623弱分类器的训练及选取…... 8 3强 分 类 STRONG CLASSIFIER 40 631构成 40 632错误率上限 40 7程序实现及结果.……… 43 71样本集 ●●·●·····●···········●··············●·······●··●·●·····●··········●··········●··●··● 43 72 练 难 点 及 优 化 44 721计算成本14 V工工T 北京大学本科生毕业论文 7.2.2减少矩形特征的数量…… 省着音自··。·非。。音音。非D音音普申普普普非非非非着 44 723样本预处理 4573 检测结果 46 7.31检测器… …46732 实验结果..47 7321实验对比 47 7.322更多实验结果 49733 结论 53 致谢 ACKNOWLEDGMENTS 54 参 考 文 献 REFERENCES 54 Ver o76 图目录 List of Figures 人 脸 析 流 程 2 图2人脸的遮挡、不同表情、图像的质量、旋转等等都会影响人脸检测.3 图3典型的正面人脸图像数据库中的人脸图 像. 图4左侧为测试图像,右侧为检测结果。不同的标准会导致不同的检测结果。 北京大学本科生毕业论文 图5基于知识的人脸检测方法抽象出人脸的基本特征规则 图6—种人脸检测模板:这个模板由16个区域(图中灰色部分)和23种区域 关系(用箭头表示)组 成 .10 图7 ROWLEY的带有图像预处理的神经网络系 统 …13 图8人脸高斯簇和非人脸高斯 簇 14 图9矩形特征在人脸上的特征匹配。上行是24×24子窗口内选出的矩形特征, 下行是子窗口检测到的与矩形特征的匹 21图10计算mXm检测器内所有可能的矩 形的数量。 22 图11 积分图 与积分的类 比 25 图12坐标A(x,y)的积分图定义为其左上角矩形所有像素之和(图中阴影部 分)。s(x,y)为A(x,y)及其y方向向上所有像素之和(图中粗黑竖线)26 图13区域D的像素和可以用积分图计算为:i+i-(i2+i) 图14矩形特征的特征值计算,只与此特征端点的积分图有关…...9 【实例截图】
【核心代码】
标签：
好例子网口号：伸出你的我的手 — 分享！
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论