Happytime Face Detection 2.0
Sarai in grado di scaricare in 5 secondi.
Circa Happytime Face Detection
Il rilevamento facciale Happytime è in grado di rilevare con precisione i volti umani, con meno falsi rilevamenti, alta precisione. Può essere utilizzato per immagini e video fermi per rilevare i volti. Può rilevare contemporaneamente più facce, può rilevare facce di colore diverse, può rilevare facce in uno sfondo complesso. Il codice dell'algoritmo non si basa sulla libreria oepncv (l'applicazione utilizza solo il file di immagine di lettura opencv), scritto in C, può essere facilmente portato. Caratteristiche principali: Basso rilevamento falso, alta precisione Può rilevare contemporaneamente più facce In grado di rilevare faccia di colore diverso Può rilevare volti in uno sfondo complesso Scritto in C, può essere facilmente portato Principio dell'algoritmo: Basato su MB-LBP (multi block local binary pattern) features lookup table type weak classifiers Real AdaBoost face detection algorithm. Caratteristiche LBP (Local Binary Pattern) proposte dall'Ojala nel 1994, e applicate al problema della classificazione delle trame. La funzione MB-LBP è un'estensione di LBP, utilizza blocchi di immagine invece delle caratteristiche LBP originali che un singolo pixel come unità di base. MB-LBP può ridurre il rumore dell'immagine quando si calcolano le funzionalità LBP, se si adotta la tecnica dell'immagine integrale, è possibile ottenere funzionalità MBLBP in tempo di calcolo costante. AdaBoost è un metodo di apprendimento di potenziamento, processo di training AdaBoost che utilizza la soglia come caratteristica dell'output dei classificatori deboli, questo classificatore debole ha una capacità limitata di dividere lo spazio campione. Basato sull'algoritmo Real AdaBoost, Wu ha proposto un algoritmo di rilevamento continuo del volto AdaBoost di tipo tabella di ricerca, per ottenere buoni risultati di rilevamento volti. Valutazione dell'algoritmo: Mb-LBP tipo tabella di ricerca classificatori deboli Real AdaBoost algoritmo di rilevamento facciale e altri metodi pubblicati sono stati confrontati, i risultati mostrati in figura, può essere visto dalla figura, MB-LBP classe di ricerca tipo classificatori deboli Real AdaBoost algoritmo di rilevamento facciale superano altri metodi.