Détection de visage heureux Détectez un visage humain sur une image ou une vidéo.
Télécharger maintenant

Détection de visage heureux Classement & Résumé

Détection de visage heureux Mots clés

Détection de visage heureux La description

L'algorithme de détection de visage de Happytime peut détecter avec précision les visages humains, avec moins de fausse détection, une grande précision. Il peut être utilisé pour des images fixes et une vidéo pour détecter les visages. Le code d'algorithme Ne comptez pas la bibliothèque OEPNCV (l'application de démonstration n'utilise que le fichier image de lecture OPENCV), écrit en C, peut facilement être porté. Caractéristiques principales: Faible détection de fausse détection; Haute précision; Ecrit en C; Peut être portable. Principe d'algorithme: Type de table de recherche basée sur MBLBP classificateurs faibles Algorithme de détection de visage adaboost réel. LBP (modèle binaire local) caractérisé par l'Ojala fabriqué en 1994 et s'appliquait au problème de la classification de la texture. La fonction MBLBP est une extension de l'utilisation des blocs d'image au lieu de l'original LBP comporte un seul pixel comme unité de base, ce qui peut réduire les fonctions de calcul du bruit de bruit d'image, si elle est adoptée, il est possible d'obtenir des fonctionnalités de MBLBP dans Heure de calcul constante. évaluation d'algorithme: Type de table de la recherche MBLBP CLASSIERS FAIBLES ADABOOST DÉTECTION DES VISES VISES VRAIMENTS ADABOOST ET AUTRES MÉTHODES PUBLIÉES DE PUBLIÉE ont été comparées, les résultats de la comparaison d'algorithme de détection faciale à partir de résultats officiels de la FDDB, la description officielle de la référence spécifique de référence FDDB. Les résultats montrés sur la figure peuvent être vus à partir de la figure, le type de table de la recherche de MBLBP, des classificateurs faibles de détection de visage adaboost réel (mblbp (lut)) dépasser d'autres méthodes.

Détection de visage heureux Logiciels associés