计算机视觉————图像分割,人脸检测,行人检测传统做法

1146-陶同学

发表文章数:37

首页 » 算法 » 正文

图像分割

基于灰度值的两个特征:不连续性和相似性对图像进行分割

基于阈值的分割方法:小于某个阈值被认为背景,大于则认为前景

基于边缘的分割方法:找到属于两种区域边界线上的像素点的集合

基于区域的分割方法:

区域生长法:先定义一个区域,然后慢慢加入这个区域,如果均值和定义的区域的差超过最大像素灰度值距离时,则无法再加入这个区域

分水岭算法:彩色图像灰度化,再求梯度图,最后在梯度图的基础上进行分水岭算法,球的图像的边缘线

Graph Cut分割:基于图论的分割方法

GrabCut 分割:前景和背景都是高斯混合模型,用边界项来体现领域像素之间不连续的惩罚,通过K-means算法迭代获得

人脸检测

Haar-like特征模板:缺点需要特别多的特征:不同的模板(15种),不同的位置,不同缩放

Haar级联分类器:将多个强分类器连接在一起进行操作,强分类器由多个弱分类器组成

行人检测

HOG(方向梯度直方图):彩色图中,选梯度幅值最大的通道

Block拆分:16×16的block,步长是8,50%的重合,包含2×2个cell,每个cell是8×8

HOG的步骤:

将整个图像进行Gamma空间,颜色归一化

计算图像梯度

构建方向直方图

将细胞单元组合成大的区间

收集HOG特征

 

 

未经允许不得转载:作者:1146-陶同学, 转载或复制请以 超链接形式 并注明出处 拜师资源博客
原文地址:《计算机视觉————图像分割,人脸检测,行人检测传统做法》 发布于2020-07-30

分享到:
赞(0) 打赏

评论 抢沙发

评论前必须登录!

  注册



长按图片转发给朋友

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

Vieu3.3主题
专业打造轻量级个人企业风格博客主题!专注于前端开发,全站响应式布局自适应模板。

登录

忘记密码 ?

您也可以使用第三方帐号快捷登录

Q Q 登 录
微 博 登 录