| http://dbpedia.org/ontology/abstract
|
哈尔特征（英語：Haar-like features）是用于物体识别的一种数字图像。 … 哈尔特征（英語：Haar-like features）是用于物体识别的一种数字图像。它们因为与哈尔小波转换极为相似而得名，是第一种即时的人脸检测運算。 历史上，直接使用图像的强度（就是图像每一个像素点的RGB值）使得特征的计算强度很大。帕帕乔治奥等人提出可以使用基于哈尔小波的特征而不是图像强度 。维奥拉和琼斯进而提出了哈尔特征。哈尔特征使用检测窗口中指定位置的相邻矩形，计算每一个矩形的像素和并取其差值。然后用这些差值来对图像的子区域进行分类。 例如，当前有一个人脸图像集合。通过观察可以发现，眼睛的颜色要比两颊的深。因此，用于人脸检测的哈尔特征是分别放置在眼睛和脸颊的两个相邻矩形。这些矩形的位置则通过类似于人脸图像的外接矩形的检测窗口进行定义。 在维奥拉-琼斯目标检测框架的检测阶段，一个与目标物体同样尺寸的检测窗口将在输入图像上滑动，在图像的每一个子区域都计算一个哈尔特征。然后这个差值会与一个预先计算好的阈值进行比较，将目标和非目标区分开来。因为这样的一个哈尔特征是一个（它的检测正确率仅仅比随机猜测强一点点），为了达到一个可信的判断，就需要一大群这样的特征。在维奥拉-琼斯目标检测框架中，就会将这些哈尔特征组合成一个，最终形成一个。 哈尔特征最主要的优势是它的计算非常快速。使用一个称为积分图的结构，任意尺寸的哈尔特征可以在常数时间内进行计算。计算非常快速。使用一个称为积分图的结构，任意尺寸的哈尔特征可以在常数时间内进行计算。
, Les caractéristiques pseudo-Haar (Haar-lik … Les caractéristiques pseudo-Haar (Haar-like features en anglais) sont des caractéristiques utilisées en vision par ordinateur pour la détection d'objet dans des images numériques. Très simples et très rapides à calculer, elles ont été utilisées dans le premier détecteur de visages en temps réel, celui de la méthode de Viola et Jones. Ces caractéristiques doivent leur nom à leur similarité avec les ondelettes de Haar.ur similarité avec les ondelettes de Haar.
, Признаки Хаара — признаки цифрового изобра … Признаки Хаара — признаки цифрового изображения, используемые в распознавании образов. Своим названием они обязаны интуитивным сходством с вейвлетами Хаара. Признаки Хаара использовались в первом детекторе лиц, работающем в реальном времени. Исторически сложилось так, что алгоритмы, работающие только с интенсивностью изображения (например значение RGB в каждом пикселе), имеют большую вычислительную сложность. В работе Папагеоргиу, была рассмотрена работа с множеством признаков, основанных на вейвлетах Хаара. Виола и Джонс адаптировали идею использования вейвлетов Хаара и разработали то, что было названо признаками Хаара. Признак Хаара состоит из смежных прямоугольных областей. Они позиционируются на изображении, далее суммируются интенсивности пикселей в областях, после чего вычисляется разность между суммами. Эта разность и будет значением определенного признака, определенного размера, определенным образом спозиционированного на изображении. Для примера рассмотрим базу данных с человеческими лицами. Общим для всех изображений является то, что область в районе глаз темнее, чем область в районе щек. Следовательно общим признаком Хаара для лиц является 2 смежных прямоугольных региона, лежащих на глазах и щеках. На этапе обнаружения в методе Виолы — Джонса окно установленного размера движется по изображению, и для каждой области изображения, над которой проходит окно, рассчитывается признак Хаара. Наличие или отсутствие предмета в окне определяется разницей между значением признака и обучаемым порогом. Поскольку признаки Хаара мало подходят для обучения или классификации (качество немного выше чем у случайной нормально распределенной величины), для описания объекта с достаточной точностью необходимо большее число признаков. Поэтому в методе Виолы — Джонса признаки Хаара организованы в каскадный классификатор. Ключевой особенностью признаков Хаара является наибольшая, по сравнению с остальными признаками, скорость. При использовании признаки Хаара могут вычисляться за постоянное время (примерно 60 процессорных инструкций на признак из двух областей).х инструкций на признак из двух областей).
, Haar-like features are digital image featu … Haar-like features are digital image features used in object recognition. They owe their name to their intuitive similarity with Haar wavelets and were used in the first real-time face detector. Historically, working with only image intensities (i.e., the RGB pixel values at each and every pixel of image) made the task of feature calculation computationally expensive. A publication by Papageorgiou et al. discussed working with an alternate feature set based on Haar wavelets instead of the usual image intensities. Paul Viola and Michael Jones adapted the idea of using Haar wavelets and developed the so-called Haar-like features. A Haar-like feature considers adjacent rectangular regions at a specific location in a detection window, sums up the pixel intensities in each region and calculates the difference between these sums. This difference is then used to categorize subsections of an image.For example, with a human face, it is a common observation that among all faces the region of the eyes is darker than the region of the cheeks. Therefore, a common Haar feature for face detection is a set of two adjacent rectangles that lie above the eye and the cheek region. The position of these rectangles is defined relative to a detection window that acts like a bounding box to the target object (the face in this case). In the detection phase of the Viola–Jones object detection framework, a window of the target size is moved over the input image, and for each subsection of the image the Haar-like feature is calculated. This difference is then compared to a learned threshold that separates non-objects from objects. Because such a Haar-like feature is only a weak learner or classifier (its detection quality is slightly better than random guessing) a large number of Haar-like features are necessary to describe an object with sufficient accuracy. In the Viola–Jones object detection framework, the Haar-like features are therefore organized in something called a classifier cascade to form a strong learner or classifier. The key advantage of a Haar-like feature over most other features is its calculation speed. Due to the use of integral images, a Haar-like feature of any size can be calculated in constant time (approximately 60 microprocessor instructions for a 2-rectangle feature).r instructions for a 2-rectangle feature).
|
| http://dbpedia.org/ontology/thumbnail
|
http://commons.wikimedia.org/wiki/Special:FilePath/Prm_VJ_fig3_computeRectangleWithAlpha.png?width=300 +
|
| http://dbpedia.org/ontology/wikiPageExternalLink
|
http://www.laurent-duval.eu/Documents-WITS-starlet/Haarlets/Haar_A_1910_ma_zur_tofs-haarlet.pdf +
|
| http://dbpedia.org/ontology/wikiPageID
|
11864935
|
| http://dbpedia.org/ontology/wikiPageLength
|
6449
|
| http://dbpedia.org/ontology/wikiPageRevisionID
|
1020695566
|
| http://dbpedia.org/ontology/wikiPageWikiLink
|
http://dbpedia.org/resource/Object_recognition +
, http://dbpedia.org/resource/Viola%E2%80%93Jones_object_detection_framework +
, http://dbpedia.org/resource/Michael_Jones_%28scientist%29 +
, http://dbpedia.org/resource/Lookup_table +
, http://dbpedia.org/resource/Paul_Viola +
, http://dbpedia.org/resource/RGB +
, http://dbpedia.org/resource/Digital_image +
, http://dbpedia.org/resource/Summed-area_table +
, http://dbpedia.org/resource/Haar_wavelet +
, http://dbpedia.org/resource/Categorization +
, http://dbpedia.org/resource/Rounding_error +
, http://dbpedia.org/resource/Pixel +
, http://dbpedia.org/resource/Dimensionality +
, http://dbpedia.org/resource/Integral_image +
, http://dbpedia.org/resource/File:Prm_VJ_fig3_computeRectangleWithAlpha.png +
, http://dbpedia.org/resource/Feature_%28computer_vision%29 +
, http://dbpedia.org/resource/Category:Bioinformatics +
, http://dbpedia.org/resource/Computationally_expensive +
, http://dbpedia.org/resource/Category:Feature_detection_%28computer_vision%29 +
|
| http://purl.org/dc/terms/subject
|
http://dbpedia.org/resource/Category:Bioinformatics +
, http://dbpedia.org/resource/Category:Feature_detection_%28computer_vision%29 +
|
| http://www.w3.org/ns/prov#wasDerivedFrom
|
http://en.wikipedia.org/wiki/Haar-like_feature?oldid=1020695566&ns=0 +
|
| http://xmlns.com/foaf/0.1/depiction
|
http://commons.wikimedia.org/wiki/Special:FilePath/Prm_VJ_fig3_computeRectangleWithAlpha.png +
|
| http://xmlns.com/foaf/0.1/isPrimaryTopicOf
|
http://en.wikipedia.org/wiki/Haar-like_feature +
|
| owl:sameAs |
http://ru.dbpedia.org/resource/%D0%9F%D1%80%D0%B8%D0%B7%D0%BD%D0%B0%D0%BA%D0%B8_%D0%A5%D0%B0%D0%B0%D1%80%D0%B0 +
, https://global.dbpedia.org/id/2Lsra +
, http://zh.dbpedia.org/resource/%E5%93%88%E5%B0%94%E7%89%B9%E5%BE%81 +
, http://www.wikidata.org/entity/Q2493819 +
, http://dbpedia.org/resource/Haar-like_feature +
, http://fr.dbpedia.org/resource/Caract%C3%A9ristiques_pseudo-Haar +
|
| rdfs:comment |
哈尔特征（英語：Haar-like features）是用于物体识别的一种数字图像。 … 哈尔特征（英語：Haar-like features）是用于物体识别的一种数字图像。它们因为与哈尔小波转换极为相似而得名，是第一种即时的人脸检测運算。 历史上，直接使用图像的强度（就是图像每一个像素点的RGB值）使得特征的计算强度很大。帕帕乔治奥等人提出可以使用基于哈尔小波的特征而不是图像强度 。维奥拉和琼斯进而提出了哈尔特征。哈尔特征使用检测窗口中指定位置的相邻矩形，计算每一个矩形的像素和并取其差值。然后用这些差值来对图像的子区域进行分类。 例如，当前有一个人脸图像集合。通过观察可以发现，眼睛的颜色要比两颊的深。因此，用于人脸检测的哈尔特征是分别放置在眼睛和脸颊的两个相邻矩形。这些矩形的位置则通过类似于人脸图像的外接矩形的检测窗口进行定义。 在维奥拉-琼斯目标检测框架的检测阶段，一个与目标物体同样尺寸的检测窗口将在输入图像上滑动，在图像的每一个子区域都计算一个哈尔特征。然后这个差值会与一个预先计算好的阈值进行比较，将目标和非目标区分开来。因为这样的一个哈尔特征是一个（它的检测正确率仅仅比随机猜测强一点点），为了达到一个可信的判断，就需要一大群这样的特征。在维奥拉-琼斯目标检测框架中，就会将这些哈尔特征组合成一个，最终形成一个。 哈尔特征最主要的优势是它的计算非常快速。使用一个称为积分图的结构，任意尺寸的哈尔特征可以在常数时间内进行计算。计算非常快速。使用一个称为积分图的结构，任意尺寸的哈尔特征可以在常数时间内进行计算。
, Haar-like features are digital image featu … Haar-like features are digital image features used in object recognition. They owe their name to their intuitive similarity with Haar wavelets and were used in the first real-time face detector. Historically, working with only image intensities (i.e., the RGB pixel values at each and every pixel of image) made the task of feature calculation computationally expensive. A publication by Papageorgiou et al. discussed working with an alternate feature set based on Haar wavelets instead of the usual image intensities. Paul Viola and Michael Jones adapted the idea of using Haar wavelets and developed the so-called Haar-like features. A Haar-like feature considers adjacent rectangular regions at a specific location in a detection window, sums up the pixel intensities in each region and calculates intensities in each region and calculates
, Признаки Хаара — признаки цифрового изобра … Признаки Хаара — признаки цифрового изображения, используемые в распознавании образов. Своим названием они обязаны интуитивным сходством с вейвлетами Хаара. Признаки Хаара использовались в первом детекторе лиц, работающем в реальном времени. Для примера рассмотрим базу данных с человеческими лицами. Общим для всех изображений является то, что область в районе глаз темнее, чем область в районе щек. Следовательно общим признаком Хаара для лиц является 2 смежных прямоугольных региона, лежащих на глазах и щеках.ольных региона, лежащих на глазах и щеках.
, Les caractéristiques pseudo-Haar (Haar-lik … Les caractéristiques pseudo-Haar (Haar-like features en anglais) sont des caractéristiques utilisées en vision par ordinateur pour la détection d'objet dans des images numériques. Très simples et très rapides à calculer, elles ont été utilisées dans le premier détecteur de visages en temps réel, celui de la méthode de Viola et Jones. Ces caractéristiques doivent leur nom à leur similarité avec les ondelettes de Haar.ur similarité avec les ondelettes de Haar.
|
| rdfs:label |
Haar-like feature
, 哈尔特征
, Caractéristiques pseudo-Haar
, Признаки Хаара
|
