thuật toán Happytime diện khuôn mặt có thể phát hiện chính xác khuôn mặt của con người, với ít phát hiện sai, độ chính xác cao. Nó có thể được sử dụng cho các hình ảnh và video vẫn còn để phát hiện khuôn mặt. Các mã thuật toán không dựa oepncv thư viện (The ứng dụng demo chỉ sử dụng opencv đọc tập tin hình ảnh), được viết bằng C, có thể dễ dàng được chuyển.
Các tính năng chính:
Low phát hiện sai;
Độ chính xác cao;
Viết bằng C;
Có thể được cầm tay.
Algorithm nguyên tắc:
MBLBP dựa trên loại bảng tra cứu các phân loại yếu Bất AdaBoost thuật toán nhận diện khuôn mặt.
LBP (Local Binary Pattern) đặc trưng bởi các Ojala thực hiện vào năm 1994, và áp dụng cho các vấn đề phân loại kết cấu. Tính năng MBLBP là một phần mở rộng của việc sử dụng các khối hình ảnh thay vì các LBP ban đầu có điểm ảnh duy nhất là đơn vị cơ bản, mà có thể làm giảm tính năng LBP tính nhiễu hình ảnh, nếu áp dụng kỹ thuật hình ảnh không thể thiếu, nó có thể được thu được MBLBP tính năng trong thời gian tính toán hằng số.
đánh giá thuật toán:
MBLBP tra cứu loại bảng phân loại yếu Bất AdaBoost thuật toán nhận diện khuôn mặt và phương pháp được công bố khác được so sánh, so sánh các kết quả của thuật toán nhận diện khuôn mặt từ FDDB kết quả chính thức, mô tả chính thức của các tài liệu tham khảo phương pháp cụ thể FDDB. Các kết quả được hiển thị trong hình, nó có thể được nhìn thấy từ hình, MBLBP tra cứu loại bảng phân loại yếu Bất AdaBoost phát hiện khuôn mặt thuật toán (MBLBP (LUT)) vượt quá các phương pháp khác.
Bình luận không