如何用OpenCV技术实现高效的人脸检测功能？
- 内容介绍
- 文章标签
- 相关推荐
本文共计2595个文字，预计阅读时间需要11分钟。
OpenCV的人脸识别主要依赖Haar分类器实现，基于已有的训练数据。OpenCV安装后，可在`opencv/opencv/sources/data/haarcascades_cuda`（或`haarcascades`）目录中找到预训练的物体检测器（xml格式）。
openCV的人脸识别主要通过Haar分类器实现，当然，这是在已有训练数据的基础上。openCV安装在 opencv/opencv/sources/data/haarcascades_cuda（或haarcascades）中存在预先训练好的物体检测器（xml格式），包括正脸、侧脸、眼睛、微笑、上半身、下半身、全身等。
openCV的的Haar分类器是一个监督分类器，首先对图像进行直方图均衡化并归一化到同样大小，然后标记里面是否包含要监测的物体。它首先由Paul Viola和Michael Jones设计，称为Viola Jones检测器。Viola Jones分类器在级联的每个节点中使用AdaBoost来学习一个高检测率低拒绝率的多层树分类器。它使用了以下一些新的特征：
1. 使用类Haar输入特征：对矩形图像区域的和或者差进行阈值化。
2. 积分图像技术加速了矩形区域的45°旋转的值的计算，用来加速类Haar输入特征的计算。
3. 使用统计boosting来创建两类问题（人脸和非人脸）的分类器节点（高通过率，低拒绝率）
4. 把弱分类器节点组成筛选式级联。即，第一组分类器最优，能通过包含物体的图像区域，同时允许一些不包含物体通过的图像通过；第二组分
类器次优分类器，也是有较低的拒绝率；以此类推。也就是说，对于每个boosting分类器，只要有人脸都能检测到，同时拒绝一小部分非人脸，并将其传给下一个分类器，是为低拒绝率。
本文共计2595个文字，预计阅读时间需要11分钟。
OpenCV的人脸识别主要依赖Haar分类器实现，基于已有的训练数据。OpenCV安装后，可在`opencv/opencv/sources/data/haarcascades_cuda`（或`haarcascades`）目录中找到预训练的物体检测器（xml格式）。
openCV的人脸识别主要通过Haar分类器实现，当然，这是在已有训练数据的基础上。openCV安装在 opencv/opencv/sources/data/haarcascades_cuda（或haarcascades）中存在预先训练好的物体检测器（xml格式），包括正脸、侧脸、眼睛、微笑、上半身、下半身、全身等。
openCV的的Haar分类器是一个监督分类器，首先对图像进行直方图均衡化并归一化到同样大小，然后标记里面是否包含要监测的物体。它首先由Paul Viola和Michael Jones设计，称为Viola Jones检测器。Viola Jones分类器在级联的每个节点中使用AdaBoost来学习一个高检测率低拒绝率的多层树分类器。它使用了以下一些新的特征：
1. 使用类Haar输入特征：对矩形图像区域的和或者差进行阈值化。
2. 积分图像技术加速了矩形区域的45°旋转的值的计算，用来加速类Haar输入特征的计算。
3. 使用统计boosting来创建两类问题（人脸和非人脸）的分类器节点（高通过率，低拒绝率）
4. 把弱分类器节点组成筛选式级联。即，第一组分类器最优，能通过包含物体的图像区域，同时允许一些不包含物体通过的图像通过；第二组分
类器次优分类器，也是有较低的拒绝率；以此类推。也就是说，对于每个boosting分类器，只要有人脸都能检测到，同时拒绝一小部分非人脸，并将其传给下一个分类器，是为低拒绝率。