基于Haar特征和Adaboost算法的多人脸检测
通过Adaboost算法和Haar特征来构建人脸分类器，对多人脸图片进行检测，流程是用分类效果较弱的Haar特征构造弱分类器，再通过Adaboost算法对大量人脸样本和非人脸样本进行训练，将大量弱分类器中训练得到若干强分类器，将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，级联结构能有效地提高分类器的检测速度，最终得到一个人脸分类器的模型。再输入一张多人脸图片，用分类器对不同尺寸的多人脸图片进行多尺度检测，相当于一种滑动窗口机制，在图片上提取Haar特征，由于在一个图像窗口中会提取出大量的矩形特征区域，每次遍历矩形区域会造成大量重复计算，浪费时间，所以使用积分图方法来简化计算，经过多尺度检测后，会在同一尺度下留下多个候选框，还要对多个候选框进行合并去重。
文件下载
评论信息
其他资源
- labview生成扫频信号
- ICP点云匹配
- BootStrap案例-旅游网首页.zip
- Radon变换检测直线程序
- PTA基础编程答案
- 模型预测控制的S函数
- 单纯形法的Matlab实现
- 《详解Dialog——基础元素构建》源码
- H12-222题库Q367.pdf
- RN中Kirchhoff型问题的无穷多个解的存在性和多重性结果
- hola-angular：Practica 1 Angular Programacion Web-源码
- Solution源码
- 东南大学《工程矩阵》历年期末试卷.pdf
- 电影评论系统
- 面向对象软件工程
- 家庭收入和支出（消费）管理系统
- 资源管理器项目(包含所有源代码）
- 机器学习导论PPT
- DirectX 太阳系
- sqlite-netFx46-setup-bundle-x86-2015-1.0.104.0
- vim-autocomplpop.zip
- 用AngularJS开发下一代Web应用
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明