Happygesichtserkennung Algorithmus genau menschliche Gesichter erkennen, mit weniger falsche Erkennung, hohe Genauigkeit. Es kann für Standbilder und Video verwendet werden, um Gesichter zu erkennen. Der Algorithmus Code nicht verlassen oepncv Bibliothek (nur die Demo-Anwendung verwenden opencv lesen Image-Datei), in C geschrieben, kann leicht portiert werden.
Die wichtigsten Funktionen:
Niedrige Fehlerfassung;
Hohe Genauigkeit;
Writted in C;
Kann tragbar sein.
Algorithm Prinzip:
MBLBP basierte Nachschlagetabellentyps Schwachklassifizierern Echt AdaBoost Gesichtserkennungsalgorithmus.
LBP (Local Binary Pattern), gekennzeichnet durch die Ojala im Jahr 1994 und mit dem Problem der Texturklassifizierung verwendet. MBLBP Funktion ist eine Erweiterung der Verwendung von Bildblöcken statt der ursprünglichen LBP verfügt über ein einzelnes Pixel als Grundeinheit, die die Bildlärmberechnung LBP Funktionen reduzieren kann, wenn anzunehmen integralen Bildtechnik, möglich, erhalten MBLBP verfügt in ist es konstante Rechenzeit.
Algorithm Bewertung:
MBLBP Nachschlagetabellentyps Schwachklassifizierern Echt AdaBoost Gesichtserkennungsalgorithmus und andere veröffentlichte Verfahren verglichen wurden, die vergleichen Sie die Ergebnisse der Gesichtserkennungsalgorithmus von FDDB offiziellen Ergebnisse, die offizielle Beschreibung der spezifischen Methode Referenz FDDB. Die Ergebnisse in Abbildung gezeigt, kann es aus der Figur ersichtlich ist, MBLBP Nachschlagetabellentyps Schwachklassifizierern Echt AdaBoost Gesichtserkennungsalgorithmus (MBLBP (LUT)) nicht überschreiten andere Methoden.
Kommentare nicht gefunden