haar-like 피쳐의 일반적인 개념과 적분 이미지를 사용하여 셰이프를 계산하는 방법을 알고 있습니다.이미지에 Haar-like 피쳐 적용/피쳐 정의하기
그러나 내 질문은 모양을 정의하고 통합 된 이미지를 계산하는 방법입니다.
의미, 가능한 모든 위치에 모양을 적용합니까 (가우시안 필터와 유사)? 통합 이미지가 바둑판 모양으로되어 있으며 각 타일에서 모양이 계산됩니까? 또는 이미지의 모양 위치가 고정되어 있으며 미리 정의해야합니까?
그런 다음 분류 기준이 정확히 훈련 된 기능은 무엇입니까? 예 : 이미지가 바둑판 식으로 배열되어있는 경우 새로운 '이미지'(모든 타일을 벡터에 결합)가 특징이 될지 아니면 각 타일이 고유 한 기능이 될까요?
내가 발견 한 모든 것을 '코드 라이브러리 XY에 연결하십시오'라고 말한 것입니다.
haar-like 특징 알고리즘의 특징은 선택된 창에있는 단일 모양입니다. 각 기능은 이진 값을 가지며 기능의 '모양'과 감지 창의 상대 위치를 모두 포함합니다.
이미지는 많은 하위 창을 선택하여 처리됩니다. 그런 다음 목표는 가능한 빨리 대상을 나타내는 것이 아닌 모든 하위 창을 삭제하는 것입니다. 위의 기능을 각 서브 윈도우에 적용하면됩니다. 이 기능 세트를 통해 분류자를 학습합니다.
Viola-Jones 감지 프레임 워크의 경우 분류기 체인이 사용됩니다. 분류기 체인은 첫 번째 분류기가 적은 기능을 사용하므로 더 빨리 계산됩니다. 체인의 분류자가 서브 윈도우를 폐기하면이 윈도우에 대한 추가 계산이 중지됩니다.
Paul Viola와 Michael Jones의 논문은 here입니다. haar-like feature detection에 관한 또 다른 유용한 논문은 Sri-Kaushik Pavani, David Delgadoand Alejandro F. Frangi에 의해 Haar-like features with optimally weighted rectangles for rapid object detection이라는 이름으로 출판되었다.