1996年，Ojala老大爷搞出了LBP特征，也即参考文献1。当时好像并未引发什么波澜。到了2002年的时候，老大爷又对LBP的特性进行了总结，产生了参考文献2，这篇文献目前为止引用数目4600+，足见其分量之重了。
到了2004年的时候，Ahonen将LBP特征首次用于人脸检测，即参考文献3。由于该特征的简单易算性，虽然其总体效果不如Haar特征，但速度则快于Haar，所以也得到了广泛的使用。
2007年的时候，中科院的一帮大神将Haar特征计算的积分图方法引入进来，产生了多尺度的LBP特征，也即参考文献...
分类：
其他好文 时间：
2014-07-08 17:51:41
阅读次数：
521
OpenCV支持的目标检测的方法是利用样本的Haar特征进行的分类器训练，得到的级联boosted分类器（Cascade Classification）。注意，新版本的C++接口除了Haar特征以外也可以使用LBP特征。
先介绍一下相关的结构，级联分类器的计算特征值的基础类FeatureEvaluator，功能包括读操作read、复制clone、获得特征类型getFeatureType，分配图片...
分类：
其他好文 时间：
2014-07-08 15:38:11
阅读次数：
315
基于Haar特征的Adaboost级联人脸检测分类器，简称haar分类器。通过这个算法的名字，我们可以看到这个算法其实包含了几个关键点：Haar特征、Adaboost、级联。理解了这三个词对该算法基本就掌握了。...
分类：
其他好文 时间：
2014-06-27 10:06:55
阅读次数：
334
了解了SIFT特征后，来学习SURF特征。
虽说是SIFT的一个变种，但是跟SIFT还是有区别的
区别有如下：
1.尺度空间的构建（近似）不同。
2.允许尺度空间多层图像同时被处理
3.特征点主方向确定采用haar小波特征统计方法。
4.特征点描述子采用haar小波特征。
接下来贴个SURF匹配代码：
// Load image from file
IplIma...
分类：
其他好文 时间：
2014-06-17 23:25:02
阅读次数：
347
原理：使用GT人脸库做样本，VS2010下使用openCV2.44自带的Haar算法检測人脸区域，ASM
Library特征检測，然后使用YCrCb颜色空间做肤色检測，再用LBP+Gabor小波提取特征，最小邻近距离做分类识别。1、GT人脸库Georgia Tech
face database，网址...
分类：
其他好文 时间：
2014-06-01 23:54:42
阅读次数：
430
我们有这么一张灰度图64*64
我们可以定义出4096个基，分别是某一位是0其他是1，在这种情况下，如果我们传输图片，那么就相当于传输原始数据
假设传到一半，网络坏了。
于是，我们得到
我们可以计算原图像和这图像的差距
error = I - I_approx;
distance = sqrt(sum(sum(error.*error)))
distance = ...
分类：
其他好文 时间：
2014-05-09 02:01:01
阅读次数：
287
本论文主要有三个关键的贡献：使用积分图快速地计算haar特征使用adaboost算法从特征池中现在关键的特征构建分类器级联实现快速的人脸检测haar特征：本论文使用三种简单的矩形特征：由上下（或者左右）邻接的大小相同的两个矩形组成（如下图a），特征值为白的矩形的像素和减去黑的矩形的像素和由上下（或者...
分类：
其他好文 时间：
2014-04-28 03:12:04
阅读次数：
579
