Happytime Face Detection 2.0

Sur Happytime Face Detection

La détection du visage Happytime peut détecter avec précision les visages humains, avec moins de fausses détections, une grande précision. Il peut être utilisé pour des images et des vidéos pour détecter les visages. Il peut détecter simultanément plusieurs visages, peut détecter différentes couleurs face, peut détecter les visages dans un fond complexe. Le code de l’algorithme ne s’appuie pas sur la bibliothèque oepncv (L’application utilise uniquement opencv lire fichier d’image), écrit en C, peut facilement être porté. Principales caractéristiques: Faible détection de faux, haute précision Peut détecter simultanément plusieurs visages Peut détecter le visage différent de couleur Peut détecter les visages dans un arrière-plan complexe Écrit en C, peut facilement être porté Principe de l’algorithme : Basé sur MB-LBP (multi bloc local modèle binaire) dispose de type table de recherche classificateurs faibles Real AdaBoost algorithme de détection du visage. LBP (Local Binary Pattern) caractéristiques proposées par l’Ojala en 1994, et appliquées au problème de classification des textures. Mb-LBP fonctionnalité est une extension de LBP, utilise des blocs d’image au lieu des fonctionnalités LBP d’origine qu’un seul pixel que l’unité de base. MB-LBP peut réduire le bruit de l’image lors du calcul des fonctionnalités LBP, si vous adoptez la technique d’image intégrale, il est possible d’obtenir des fonctionnalités MBLBP en temps de calcul constant. AdaBoost est un stimulant méthodes d’apprentissage, processus de formation AdaBoost en utilisant le seuil comme une caractéristique de la production classificateurs faibles, ce classificateurs faibles a une capacité limitée à diviser l’espace de l’échantillon. Basé sur l’algorithme Real AdaBoost, Wu a proposé un type de table de recherche classificateurs faibles algorithme continu de détection du visage AdaBoost, pour obtenir de bons résultats de détection du visage. Évaluation de l’algorithme : MB-LBP type de table de recherche classificateurs faibles Real AdaBoost algorithme de détection du visage et d’autres méthodes publiées ont été comparés, les résultats montrés en figure, il peut être vu à partir de la figure, MB-LBP type table de recherche classificateurs faibles Algorithme de détection du visage Real AdaBoost dépasser d’autres méthodes.