本文目录一览

1，什么是haar特征

这里有详细的说明：http://blog.csdn.net/cy513/archive/2009/06/20/4285579.aspx

什么是haar特征

2，求教opencv人脸识别中Haar特征值的计算

如果某个识别对象和训练库中的某一个很匹配，那么就会有很高的相似度。如果识别对象不在训练库中，那么就算是返回了结果，相似度也不会很高，只不过是数值上的最优解。所以，设置一个相似度的阀值(THREADHOLD), 最匹配误差(leastDistSq)大于这个阀值就可以判断为不在训练库中！

求教opencv人脸识别中Haar特征值的计算

3，请问OpenCV中人脸检测用到哪些Haar特征

如果某个识别对象和训练库中的某一个很匹配，那么就会有很高的相似度。如果识别对象不在训练库中，那么就算是返回了结果，相似度也不会很高，只不过是数值上的最优解。所以，设置一个相似度的阀值(threadhold), 最匹配误差(leastdistsq)大于这个阀值就可以判断为不在训练库中！
人眼检测啊，人的眼睛就是一个Haar特征。

请问OpenCV中人脸检测用到哪些Haar特征

4，求助的opencv的haar特征识别

//针对大小为winsize的图，计算所有HaarFeature的rect，存入features返回，即获取所有特征坐标 CvIntHaarFeatures* icvCreateIntHaarFeatures( CvSize winsize, int mode, int symmetric ) //训练样本图集 //创建结构

5，harr特征是什么

航海及海运专业英语词汇 harr 冷雾气象学词汇 haar 哈尔雾 航海及海运专业英语词汇 haar 哈雾
垂线是两条直线的两个特殊位置关系,：当两条直线相交所成的四个角中，有一个角是直角时，即两条直线互相垂直，其中一条直线叫做另一直线的垂线，交点叫垂足。垂线段最短。从直线外一点到这条直线的垂线段的长度，叫做点到直线的距离。过一点有且只有一条直线与已知直线垂直。一个角的两边分别垂直于另一个角的两边，这两个角相等或互补。

6，什么是haar特征

【Haar-like特征】Haar-like特征最早是由Papageorgiou等应用于人脸表示，Viola和Jones在此基础上，使用3种类型4种形式的特征。Haar特征分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。特征模板内有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。但矩形特征只对一些简单的图形结构，如边缘、线段较敏感，所以只能描述特定走向（水平、垂直、对角）的结构。对于图中的A, B和D这类特征，特征数值计算公式为：v=Sum白-Sum黑，而对于C来说，计算公式如下：v=Sum白-2*Sum黑；之所以将黑色区域像素和乘以2，是为了使两种矩形区域中像素数目一致。通过改变特征模板的大小和位置，可在图像子窗口中穷举出大量的特征。上图的特征模板称为“特征原型”；特征原型在图像子窗口中扩展（平移伸缩）得到的特征称为“矩形特征”；矩形特征的值称为“特征值”。矩形特征可位于图像任意位置，大小也可以任意改变，所以矩形特征值是矩形模版类别、矩形位置和矩形大小这三个因素的函数。故类别、大小和位置的变化，使得很小的检测窗口含有非常多的矩形特征，如：在24*24像素大小的检测窗口内矩形特征数量可以达到16万个。

7，人脸检测 lbp haar 哪个

人脸的Haar特征分类器就是一个XML文件，该文件中会描述人脸的Haar特征值。当然Haar特征的用途可不止可以用来描述人脸这一种，用来描述眼睛，嘴唇或是其它物体也是可以的。OpenCV有已经自带了人脸的Haar特征分类器。OpenCV安装目录中的\data\haarcascades目录下的haarcascade_frontalface_alt.xml与haarcascade_frontalface_alt2.xml都是用来检测人脸的Haar分类器。这个haarcascades目录下还有人的全身，眼睛，嘴唇的Haar分类器。关于人脸的Haar特征分类器，可以直接使用cvHaarDetectObjects。离线的人脸检测技术一般采用神经网络的方法，ColorReco就是用神经网络的思路做人脸识别的。

8，haar特征分类器是基于灰度的吗

　　1.准备训练样本图片，包括正例及反例样本　　1)正样本的采集：　　所谓正样本，是指只包含待识别的物体的图片，一般是一些局部的图片，且最好能转化为灰度图。比如，若你想识别人脸，则正样本应尽可能只包含人脸，可以留一点周边的背景但不要过多。在正样本的采集上，我们有两种图形标定工具可以使用：(1)opencv的imageClipper (2)objectMarker。这两个工具都支持傻瓜式地对图片中的物体进行矩形标定，可以自动生成样本说明文件，自动逐帧读取文件夹内的下一帧。我用的是objectMarker。如果你找不到这个软件，可以留下邮箱，我发给你。　　在标定的时候尽量保持长宽比例一致，也就是尽量用接近正方形的矩形去标定待识别的物体，至于正方形的大小影响并不大。尽管OpenCV推荐训练样本的最佳尺寸是20x20，但是在下一步生成样本描述文件时可以轻松地将其它尺寸缩放到20x20。标定完成后生成的样本说明文件info.txt内容举例如下：　　　　1　　2　　3　　4　　5　　　　rawdata/ (1).bmp 1 118 26 81 72　　rawdata/ (10).bmp 2 125 72 48 46 0 70 35 43　　rawdata/ (11).bmp 1 105 87 43 42　　rawdata/ (12).bmp 2 1 70 34 38 105 87 41 44　　...　　　　　　其中rawdata文件夹存放了所有待标定的大图，objectMarker.exe与rawdata文件夹同级。这个描述文件的格式已经很接近opencv所要求的了。　　2）负样本的采集：　　所谓负样本，是指不包含待识别物体的任何图片，因此你可以将天空、海滩、大山等所有东西都拿来当负样本。但是，很多时候你这样做是事倍功半的。大多数模式识别问题都是用在视频监控领域，摄像机的角度跟高度都相对固定。如果你知道你的项目中摄像机一般都在拍什么，那负样本可以非常有针对性地选取，而且可以事半功倍。举个例子，你现在想做火车站广场的异常行为检测，在这个课题中行人检测是必须要做的。而视频帧的背景基本都是广场的地板、建筑物等。那你可以在人空旷的时候选择取一张图，不同光照不同时段下各取一张图，然后在这些图上随机取图像块，每个块20x20，每个块就是一个负样本。这几张图就能缠上数以千计数以万计的负样本！而且针对性强。因为海洋、大山等东西对你的识别一点帮助也没有，还会增加训练的时间，吃力不讨好的事还是少做为好。我写了一段小程序，功能是根据背景图片自动随机生成指定数量指定尺寸的负样本：　　负样本生成代码　　这里的负样本尺寸我设定为40x40，是因为在我的应用环境下待识别的物体差不多是这个尺寸的。具体可以分析一下你的info.txt文件。生成文件后，开cmd.exe cd到该目录，然后运行“dir /b > neg_sample.dat”，打开.dat，用editplus替换bmp为bmp 1 0 0 40 40。这样负样本说明文件就产生了。　　对于负样本，我还有一点要说明：负样本图像的大小只要不小于正样本就可以。opencv在使用你提供的一张负样本图片时会自动从其中抠出一块与正样本同样大小的图像作为负样本，具体的函数可见opencv系统函数cvGetNextFromBackgroundData()。

9，如何计算haarlike特征

Haar-like特征最早是由Papageorgiou等应用于人脸表示，Viola和Jones在此基础上，使用3种类型4种形式的特征。Haar特征分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。特征模板内有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。但矩形特征只对一些简单的图形结构，如边缘、线段较敏感，所以只能描述特定走向（水平、垂直、对角）的结构。
认真读一读、lbphaar-like。找几篇经典文章，在这里问这种问题；或者直接拉成向量都可以，我觉得没找对地方还不如去水木清华，或者交大思源bbs问一问更靠谱一些

10，如何提取人脸haarlike 特征

认真读一读、LBPHaar-like。找几篇经典文章，在这里问这种问题；或者直接拉成向量都可以，我觉得没找对地方还不如去水木清华，或者交大思源BBS问一问更靠谱一些
haar-like特征最早是由papageorgiou等应用于人脸表示，viola和jones在此基础上，使用3种类型4种形式的特征。haar特征分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。特征模板内有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。但矩形特征只对一些简单的图形结构，如边缘、线段较敏感，所以只能描述特定走向（水平、垂直、对角）的结构。

文章TAG：haar特征  什么是haar特征  
下一篇