搜索资源列表
haar
- 利用级联的Haar分类其寻找检测目标。核心函数cvHaarDetectObjects使用针对某目标物体的级联分类器在图像中找到包含目标物体的矩形区域，并将这些区域作为一系列的矩形框返回。
Ababoostdemo
- ababoost级联分类器,通过一组弱分类器形成一个强分类器-cascade of classification
zzz099SVM
- 为了对目标进行快速的检测，提出了一种新的基于支持向量机的级联式分类器的构造方法。该级联分类器由若干个线性SVM弱分类器构成，结构简单，分类时间极快。针对级联结构中的每个节点的训练给出了一个新的SVM框架下的二次规划模型，这使得每个节点都有较高的正样本检测率和适当的负样本错检率。-In order to quickly detect the target, a new cascade based on support vector machine classifier constructor. T
facedetec-vcPP
- 训练好的人脸分类器，可直接载入运行，基于adaboost的级联分类器-Trained face classifier, can be directly loaded to run, based on cascade classifier adaboost
FaceDetection
- 本程序使用OpenCV中提供的“haarcascade_frontalface_alt.xml”文件存储的目标检测分类，用cvLoad函数载入后，进行强制类型转换。OpenCV中提供的用于检测图像中目标的函数是cvHaarDetectObjects，该函数使用指针对某目标物体（如人脸）训练的级联分类器在图象中找到包含目标物体的矩形区域，并将这些区域作为一序列的矩形框返回。分类器在使用后需要被显式释放，所用的函数为cvReleaseHaarClassifierCascade。-face detec
matlab-with-adaboost--classifier
- 用MATLAB编写的实现ADABOOST算法的程序，包括级联分类器的设计。-matlab reality adaboost with cascade classifier
facetest
- 级联分类器检测人脸，并定位脸部、眼睛和嘴巴，用到OPENCV分类器-Cascade classifier detects the face, and the positioning of the face, eyes and mouth, used OPENCV classification
adaboost-train-test
- 级联分类器学习，训练，测试过程 选择了HOG特征和LBP特征-adaboost train learn test hog feature lbp feature
80901049BoostingLbp
- adaboost算法通过级联分类器进行模式识别，通过若干个弱分类器组合而成的级联分类器具有很高的识别率。-failed to translate
haarcascade_frontalface_alt
- OpenCV正面人脸检测级联分类器训练结果-OpenCV frontal face detection cascade classifier training results
haarcascade_frontalface_alt_tree
- OpenCV正面人脸检测级联分类器训练结果haarcascade_frontalface_alt_tr-OpenCV frontal face detection cascade classifier training results haarcascade_frontalface_alt_tree
haarcascade_frontalface_alt2
- OpenCV正面人脸检测级联分类器训练结果haarcascade_frontalface_alt2-OpenCV frontal face detection cascade classifier training results haarcascade_frontalface_alt2
haarcascade_frontalface_default
- OpenCV正面人脸检测级联分类器训练结果haarcascade_frontalface_default-OpenCV frontal face detection cascade classifier training results haarcascade_frontalface_default
FaceDetect
- 介绍了人脸检测的算法，然后分析人脸检测算法在CPU上执行的效率，最后找到在GPU上利用OpenCL并行优化基于haar层级分类器的通用方法，从比较宏观的角度介绍了优化方法，给出了基于图像金字塔和级联分类器的算法的通用优化方法-Introduced face detection algorithm, and then analyze the face detection algorithm running on the CPU efficiency, and finally found the G
main
- 用Harr特征分类器进行人脸检测，级联分类器 采用opencv中已经完成的人脸训练模型-Harr features classifier using face detection, cascade classifier has been completed using opencv face training model
Haar-CASCADE
- 使用基于Haar特征的级联分类器进行分类识别-use classifiers based on Haar features for classification.
faceEye
- 基于haar级联分类器的opencv人眼识别程序，思路是先识别人脸，然后以人脸为ROI识别人眼。-Haar cascade classifier based on opencv human eye recognition program, the idea is to recognize faces, and then face the human eye to identify the ROI.
shenyahui
- 检测视频中的人脸并跟踪，用的级联分类器-Face detection in video and track
cascadeclassifier_train
- VS2010+opencv2.4.3利用HOG特征训练级联分类器，训练步骤网上有很多，这是训练代码，在属性-命令-命令参数中输入训练参数即可。-VS2010+opencv2.4.3 use HOG features of the training cascade classifier, there are many online training step, which is training the code in the Properties- Command- the command pa
1
- 级联分类器检测cpp 自己编写的拥有跟踪欧氏距离方法-boosting detect object