Happytime Face Detection

Beschreibung

Der Happytime-Gesichtserkennungsalgorithmus kann menschliche Gesichter mit weniger falscher Erkennung und hoher Genauigkeit genau erkennen. Es kann für Standbilder und Videos verwendet werden, um Gesichter zu erkennen. Der Algorithmus-Code verlässt sich nicht auf die oepncv-Bibliothek (die Demo-Anwendung verwendet nur die opencv-Lesebilddatei), geschrieben in C, kann leicht portiert werden.

Hauptmerkmale:

Niedrige Fehlerkennung;

Hohe Genauigkeit;

Geschrieben in C;

Kann tragbar sein.

Algorithmus-Prinzip:

MBLBP-basierte Lookup-Tabellentyp schwache Klassifikatoren Real AdaBoost-Gesichtserkennungsalgorithmus.

LBP (Local Binary Pattern), gekennzeichnet durch das Ojala aus dem Jahr 1994, und auf das Problem der Texturklassifizierung angewendet. Die MBLBP-Funktion ist eine Erweiterung der Verwendung von Bildblöcken anstelle der ursprünglichen LBP-Funktionen mit einem einzelnen Pixel als Basiseinheit, wodurch die LBP-Funktionen zur Berechnung des Bildrauschens reduziert werden können. Wenn die integrale Bildtechnik verwendet wird, ist es möglich, MBLBP-Funktionen zu erhalten konstante Rechenzeit.

Algorithmus-Evaluierung:

MBLBP-Lookup-Tabellentyp schwache Klassifikatoren Real AdaBoost-Gesichtserkennungsalgorithmus und andere veröffentlichte Methoden wurden verglichen, die Ergebnisse des Gesichtserkennungsalgorithmus aus offiziellen FDDB-Ergebnissen verglichen, Die offizielle Beschreibung der spezifischen Methodenreferenz FDDB. Die in Abbildung gezeigten Ergebnisse können aus der Abbildung ersichtlich werden, MBLBP-Lookup-Tabellentyp schwache Klassifikatoren Real AdaBoost-Gesichtserkennungsalgorithmus (MBLBP (LUT)) übertreffen andere Methoden.