舉證-新技術(shù)手勢識別haar-like

c2012-08-3115:41101942(21收藏分類：OpenCV（28）圖像處理（54）計算機視覺。目標(biāo)檢測的圖像特征提取之（三）Haar特1、Haar-like特Haar-like特征最早是由Papageorgiou等應(yīng)用于人臉表示，ViolaJones在此基礎(chǔ)上，使用34種形式的特征aaraar特征值反映了圖像的特定（水平、垂直、對角）的結(jié)構(gòu)。對于圖中的AB和D這類特征數(shù)值計算公式為：v=Sum白-Sum黑，而對于C來說，計算公式如下：v=Sum白-2*Sum黑；之所以將黑域像素和乘以2，是為了使兩種矩形區(qū)域中像素數(shù)目一致。通過改變特征模板的大小和位置，可在圖像子窗口中窮舉出大量的特征。上圖的特征模板稱為“特征原型”（平移伸縮）得到的特征稱為“矩形特征”；矩形特征的值稱為“特征值”大小和位置的變化，使得很小的檢測窗口含有非常多的矩形特征，如：在*4像素大小的檢測窗口內(nèi)矩形特征數(shù)量可以達(dá)到16萬個。這樣就有兩個問題需要解決了：（）如何快速計算那么多的特征？積分圖大顯神通；（）哪些矩形特征才是對分類器分類最有效的？如通過aBoot算法來訓(xùn)練（這一塊這里不，具體見）2、Haar-like特征的計算—快速算法，大大的提高了圖像特征值計算的效率。積分圖主要的思想是將圖像從起點開始到各個點所形成的矩形區(qū)域像和作為一個數(shù)組的元素保存在內(nèi)存中當(dāng)要計算某個區(qū)域的像（（常數(shù)時間大大提高了檢測速度。來看看它是怎么做到式是位置（i,）處的值ii)是原圖像)左上角方向所有像素的和：用s(i,j)表示行方向的累加和，初始化s(i,-用ii(i,j)表示一個積分圖像，初始化ii(-逐行掃描圖像，遞歸計算每個像素(i,j)行方向的累加和s(i,j)和積分圖ii(i,j)的值s(i,j)=s(i,j-ii(i,j)=ii(i-掃描圖像一遍，當(dāng)?shù)竭_(dá)圖像右下角像素時，積分圖像ii就構(gòu)造好了運算得到。D的四個頂點分別為α、β、γ、δ，則D的像素和可以表示Dsum=ii(α)+ii(β)-(ii(γ)+ii(δ而aarlie特征值無非就是兩個矩陣像素和的差，同樣可以在常特征值。3、Haar-like矩形特征拓LienhartR．等對Haar-like矩形特征庫作了進(jìn)一步擴展，加入了旋轉(zhuǎn)45。角的矩形特征。擴展后的特征大致分為4種類型：邊緣特征、線在特征值的計算過程中黑域的權(quán)值為負(fù)值白域的權(quán)值為正值。而且權(quán)值與矩形面積成反比（使兩種矩形區(qū)域中像素數(shù)目一致）；對于豎直矩陣，與上面2處說45°旋角的矩形特征計算，對于45°旋角的矩形定義RSAT(x,y)為點(x,y)左上角45°區(qū)域左下角45°區(qū)域的像素和。，用公式可以表示為