Happytime kasvontunnistus algoritmi voi tarkasti tunnistaa ihmiskasvot, joissa on vähemmän vääriä havaitseminen, korkea tarkkuus. Sitä voidaan käyttää vielä kuvia ja videoita tunnista kasvoja. Algoritmi koodi älä luota oepncv kirjasto (demo sovellus käyttää vain Opencv lukea kuvatiedosto), kirjoitettu C, voidaan helposti siirretty.
Ominaisuudet:
Matala vääriä havaitseminen;
Korkea tarkkuus;
Writted C;
Voi olla kannettava.
Algoritmi periaate:
MBLBP perustuva hakutaulun tyyppi heikko luokittelijoita Real AdaBoost kasvojentunnistus algoritmi.
LBP (Local Binary Pattern) ominaista Ojala teki vuonna 1994, ja sitä sovelletaan ongelma rakenne luokitus. MBLBP ominaisuus on käytön laajentamista kuvalohkojen alkuperäisen sijasta LBP on yhden pikselin perusyksikkönä, joka voi vähentää kuvan kohinaa laskelma LBP ominaisuuksia, jos hyväksyy kiinteä kuva tekniikka, on mahdollista saada MBLBP-ominaisuuksien vakio laskenta-aikaa.
algoritmi arviointi:
MBLBP hakutaulukkoa tyyppi heikko luokittelijoita Real AdaBoost kasvojen havaitseminen algoritmi ja muita julkaistuja menetelmiä verrattiin, vertailla tuloksia kasvojen tunnistus algoritmi FDDB virallisia tuloksia, virallinen kuvaus erityistä menetelmää viite FDDB. Tulokset esitetään kuviossa, se voidaan nähdä kuvassa, MBLBP hakutaulukosta tyyppi heikko luokittelijoita Real AdaBoost kasvojentunnistus algoritmi (MBLBP (LUT)) ylittää muilla menetelmillä.
Kommentteja ei löytynyt