Viola Jones 与 AdaBoost 算法如何在人脸检测中工作？

Question

我已经阅读了很多关于 Viola Jones 方法的文章，但我仍然不了解矩形特征中的“弱分类器”、“强分类器”、“子窗口”，它们的定义是什么。那么“阈值”呢？我怎么知道阈值？谁能帮我？感谢之前

Answer 1

Viola-Jones 算法的目标：检测图像中的人脸。该算法
使用正面直立的脸部，因此为了被检测到，整个脸部必须
指向相机，并且不应向任何一侧倾斜。算法是
基于人脸眼睛、鼻子
和嘴巴位置的物理估计的人脸图像分割。

算法的阶段：该算法分以下四个阶段工作：

1.Haar特征
2. 整体形象
3.阿达Boost
4. 级联

下面讨论所有这些阶段。在此之前，我将回答一个简单的
问题：**为什么 haar** ？
Haar 小波是首选，因为它比傅里叶小波更适合特征
提取。
现在，我们将讨论该算法所涉及的阶段。

Haar 特征：在给定的输入图像上，24 x 24 的基本窗口将滑动，同时传递 haar 作为参数，并且将使用卷积定理
进行计算。有哪些不同的 haar 特征，您可以在这里研究它们



该阶段的输出将是图像的
亮部和暗部的检测。

积分图像：在上述阶段提取的haar特征会非常
大，这将使计算变得非常复杂。为了使计算
简单且简短，这些提取的 haar 特征被传递到积分图像。
它使用简单的数学计算像素值。您可以
在上面提供的链接中了解此计算。

AdaBoost：由于功能太多，所有功能都不会包含
人脸。从积分图像中，我们将得到两种可能的结果：
包含面部的特征和不包含面部的特征。我们只需要那些
包含面部的特征。这项工作将由 Adaboost 完成。它将有助于
使用弱分类器和级联从身体其他部位对面部进行采样。整个
过程采用的是集成方法。所有这些特征的加权排列
用于评估和决定任何给定的窗口是否有脸。
它将消除所有冗余功能

级联
：当窗口在整个图像上滑动时，弱分类器将被级联以形成一个强的单个分类器。这一过程也
称为增强弱分类器。被分类为人脸的子窗口
被传递到级联中的下一个阶段。因此，
给定子窗口经过的附加阶段越多，子窗口
真正包含人脸的机会就越高。

接下来：该模型将在真实图像上进行测试，并检测面部
。

Viola-Jones 的用例：该模型可以在 CPU 上运行，因此可以
出于学习目的进行实验。

带着敬意，
埃克塔·斯莫斯拉