Concepts of rectangle features and "integral image" are introduced. And based on the basic principle of Adaboost algorithm and rectangle features, the cascade classfiers for face detection and eyes location is constructed.
3.介绍了矩形特征和积分图像的概念,研究了Adaboost机器学习算法的基本原理,应用Adaboost算法和矩形特征构建了人脸检测和眼睛检测层叠分类器,实现了人脸和眼睛的实时检测,并测试了分类器的性能。
参考来源 - 基于人脸识别的身份查询原型系统的设计与开发·2,447,543篇论文数据，部分数据来源于NoteExpress
提出了一种以中心矩作为匹配特征，基于积分图像的思想，并采用粗、精阶段相结合的相关跟踪算法。
A new algorithm based on the characteristic of centralized moments and the idea of Integral-Images, which combined two-stage cross correlation tracking algorithms was described.
这里指的是从y=x到y=2x作积分，取0到1，我们应该先作图看看。，x，between，zero，and，one。，So，，we，should，draw，a，picture。,的下界是y=x，The，lower，bound，for，y，is，y，equals，x。,在这画出y=x的图像。
Here, it means we integrate from y equals x to y equals 2x, x y So, let's draw y equals x. That seems to be here.
这个图像表达式是用来描述积分区域的。
This is how I want to describe the surface on which I will be integrating.
对于一幅灰度的图像，积分图像中的任意一点(x,y)的值是指从图像的左上角到这个点的所构成的矩形区域内所有的点的灰度值之和： I表示积分图像，G表示原始图像。则 I(x,y)=sum(G(i,j))，其中 0<=i<=x,0<=j<=y. 在实际的计算过程中，对于一个点(x,y)的值等于: I(x,y)=I(x-1,y)+I(x,y-1)-I(x-1,y-1)+G(i,j) (I:该点的积分图像值，G:该点的灰度值） 在实际的编程实现过程中可以对有图像的大小进行扩展，左边扩展一列，顶端扩展一行, 即：I(-1,j)=0,I(i,-1)=0; 快速算法： s(x,y) = s(x,y-1) + i(x,y); ii(x,y) = ii(x-1,y) + s(x,y) 其中s(x,y)是行（row）的积分值，i(x,y)是原始图像的灰度值，ii(x,y)是积分图的最终值。
应用推荐