




版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
計(jì)算機(jī)視覺(jué)與人臉檢測(cè)人工智能開(kāi)源硬件與python編程實(shí)踐情境導(dǎo)入新款的相機(jī)都采用了智能技術(shù),能夠自動(dòng)檢測(cè)到取景框內(nèi)的人臉,自動(dòng)往人臉對(duì)焦,拍下高質(zhì)量的照片。智能手機(jī)的相機(jī)功能也都采用了自動(dòng)跟蹤人臉、自動(dòng)對(duì)焦的技術(shù),輔助人們拍下美好畫(huà)面。人臉檢測(cè)與自動(dòng)跟蹤技術(shù)在校園出入控制、智慧教室等系統(tǒng)中均有應(yīng)用,也是進(jìn)一步開(kāi)展人臉識(shí)別的基礎(chǔ)。任務(wù)與目標(biāo)了解人臉檢測(cè)技術(shù)的基本原理、Haar相關(guān)算法和應(yīng)用框架;掌握運(yùn)用人工智能開(kāi)源硬件設(shè)計(jì)人臉檢測(cè)應(yīng)用的方法,提升Python語(yǔ)言的編程能力;通過(guò)Python編程,調(diào)用HaarCascade算法,實(shí)現(xiàn)人臉檢測(cè)功能;針對(duì)生活應(yīng)用場(chǎng)景,進(jìn)一步開(kāi)展創(chuàng)意設(shè)計(jì),設(shè)計(jì)針對(duì)校園安防等需求的具有實(shí)用性的人臉檢測(cè)應(yīng)用系統(tǒng)。知識(shí)拓展:聚類(lèi)與分類(lèi)聚類(lèi)是將數(shù)據(jù)對(duì)象集合劃分成相似的對(duì)象類(lèi)的過(guò)程,使得同一個(gè)類(lèi)中的對(duì)象之間具有較高的相似性,而不同類(lèi)中的對(duì)象具有較高的相異性。分類(lèi)則是按照某種標(biāo)準(zhǔn)給對(duì)象貼標(biāo)簽,再根據(jù)標(biāo)簽來(lái)區(qū)分歸類(lèi)。也就是說(shuō),分類(lèi)情況下事先定義好了類(lèi)別,類(lèi)別數(shù)不再變化。知識(shí)拓展:區(qū)別與聯(lián)系分類(lèi)器需要事先由包含人工標(biāo)注類(lèi)別的訓(xùn)練數(shù)據(jù)訓(xùn)練得到,屬于有監(jiān)督的學(xué)習(xí)。聚類(lèi)則沒(méi)有事先預(yù)定的類(lèi)別,類(lèi)別數(shù)不確定。聚類(lèi)不需要人工標(biāo)注和預(yù)先訓(xùn)練分類(lèi)器,類(lèi)別在聚類(lèi)過(guò)程中自動(dòng)生成,是一種無(wú)監(jiān)督學(xué)習(xí)。知識(shí)拓展:Haar-like特征Haar-like特征一種常用的圖像特征描述算子,在機(jī)器視覺(jué)領(lǐng)域應(yīng)用很廣;分為邊緣特征、線(xiàn)性特征、中心特征和對(duì)角線(xiàn)特征等,組合成特征模板。特征模板內(nèi)只有白色和黑色兩種矩形,并定義該模板的特征值為白色矩形像素和減去黑色矩形像素和。知識(shí)拓展:人臉Haar-like特征對(duì)于人臉圖像,臉部的一些特征能由矩形特征來(lái)簡(jiǎn)單描述,如:眼睛要比臉頰顏色要深,鼻梁兩側(cè)比鼻梁顏色要深,嘴巴比周?chē)伾畹?。在人臉檢測(cè)應(yīng)用中,將任意一個(gè)矩形模板移動(dòng)到人臉區(qū)域上,計(jì)算將白色區(qū)域的像素和減去黑色區(qū)域的像素和,得到的值就是屬于人臉的特征值。通過(guò)Haar-like特征的計(jì)算實(shí)現(xiàn)了人臉特征的量化,以便區(qū)分人臉和非人臉。知識(shí)拓展:Haar-like特征計(jì)算方法對(duì)于一個(gè)灰度圖像I而言,其積分圖也是一張與I尺寸相同的圖,只不過(guò)該圖上任意一點(diǎn)(x,y)的值是指從灰度圖像I的左上角與當(dāng)前點(diǎn)所圍成的矩形區(qū)域內(nèi)所有像素點(diǎn)灰度值之和。當(dāng)把掃描圖像一遍,到達(dá)圖像右下角像素時(shí),積分圖像就構(gòu)造好了。積分圖構(gòu)造好之后,圖像中任何矩陣區(qū)域的像素累加和都可以通過(guò)簡(jiǎn)單運(yùn)算得到。只遍歷一次圖像就可以求出圖像中所有區(qū)域像素和的快速算法,大大的提高了圖像特征值計(jì)算的效率。知識(shí)拓展:弱學(xué)習(xí)與強(qiáng)學(xué)習(xí)弱學(xué)習(xí)就是指一個(gè)學(xué)習(xí)算法對(duì)一組概念的識(shí)別率只比隨機(jī)識(shí)別好一點(diǎn);強(qiáng)學(xué)習(xí)指一個(gè)學(xué)習(xí)算法對(duì)一組概率的識(shí)別率很高。研究工作表明,只要有足夠的數(shù)據(jù),弱學(xué)習(xí)算法就能通過(guò)集成的方式生成任意高精度的強(qiáng)學(xué)習(xí)方法。知識(shí)拓展:Adaboost算法初步各種Haar特征,每一個(gè)小黑白塊就是一種規(guī)則,也是一種特征,也是一個(gè)分類(lèi)器。它們都是弱分類(lèi)器。把一批準(zhǔn)確率很差的弱分類(lèi)器級(jí)聯(lián)在一起,變成一個(gè)強(qiáng)分類(lèi)器知識(shí)拓展:Adaboost迭代過(guò)程先通過(guò)對(duì)N個(gè)訓(xùn)練樣本的學(xué)習(xí)得到第一個(gè)弱分類(lèi)器;將分錯(cuò)的樣本和其他的新數(shù)據(jù)一起構(gòu)成一個(gè)新的N個(gè)的訓(xùn)練樣本,通過(guò)對(duì)這個(gè)樣本的學(xué)習(xí)得到第二個(gè)弱分類(lèi)器;將前面都分錯(cuò)了的樣本加上其他的新樣本構(gòu)成另一個(gè)新的N個(gè)的訓(xùn)練樣本,通過(guò)對(duì)這個(gè)樣本的學(xué)習(xí)得到第三個(gè)弱分類(lèi)器;依次繼續(xù)。然后把這些弱分類(lèi)器集合起來(lái),構(gòu)成一個(gè)強(qiáng)分類(lèi)器。知識(shí)拓展:Haar分類(lèi)器的訓(xùn)練采集人臉圖像,建立人臉、非人臉樣本集;計(jì)算Haar-like特征值和積分圖;進(jìn)行弱分類(lèi)器訓(xùn)練,篩選出T個(gè)最優(yōu)弱分類(lèi)器;把這T個(gè)最優(yōu)弱分類(lèi)器傳給AdaBoost算法,訓(xùn)練出區(qū)分人臉和非人臉的強(qiáng)分類(lèi)器;使用篩選式級(jí)聯(lián)把強(qiáng)分類(lèi)器級(jí)聯(lián)到一起,提高準(zhǔn)確率。知識(shí)拓展:利用haar算子實(shí)現(xiàn)人臉檢測(cè)對(duì)比檢查分成了多個(gè)階段,后一階段的運(yùn)行以先前階段的完成為前提。設(shè)計(jì)與實(shí)踐攝像頭工作參數(shù)設(shè)置加載Haar算子啟動(dòng)人臉檢測(cè)Python編程及實(shí)現(xiàn)運(yùn)行結(jié)果分析攝像頭工作參數(shù)設(shè)置HaarCascade算法采用的是黑白像素特征,積分圖也是在灰度圖像上生成的。在人臉檢測(cè)應(yīng)用中,攝像頭要設(shè)置為灰度圖模式:sensor.set_contrast(1) #設(shè)置相機(jī)圖像對(duì)比度,范圍從-3至+3;sensor.set_gainceiling(16) #設(shè)置相機(jī)圖像增益上限,參數(shù)范圍:2,4,8,16,32,64,128;sensor.set_framesize(sensor.HQVGA) #設(shè)置攝像頭分辨率為HQVGA:240x160sensor.set_pixformat(sensor.GRAYSCALE)#灰度圖,每像素為8位、1字節(jié)。注意人臉識(shí)別只能用灰度圖;加載Haar算子加載Haar模型的方法:classimage.HaarCascade(path[,stages=Auto])其中,stages為HaarCascade級(jí)聯(lián)分類(lèi)器的總階段數(shù),也就是強(qiáng)分類(lèi)器的個(gè)數(shù)。Stages值要根據(jù)實(shí)際情況來(lái)選擇:設(shè)置較低的階段數(shù)可以得到較快的檢測(cè)速度,但誤識(shí)率也會(huì)較高;設(shè)置較高的階段數(shù)可提高識(shí)別準(zhǔn)確度,但犧牲了檢測(cè)速度。HaarCascade內(nèi)置有已經(jīng)訓(xùn)練好的haar模型,如“frontalface”人臉模型或者“eye”人眼模型,編程時(shí)直接指定即可。啟動(dòng)人臉檢測(cè)的過(guò)程控制攝像頭的工作,定時(shí)捕捉圖像幀;啟動(dòng)HaarCascade分類(lèi)器工作,檢測(cè)出圖像幀中所有的人臉區(qū)域;在圖像幀中標(biāo)注出所有檢測(cè)到的人臉區(qū)域;檢測(cè)人臉使用image.find_features(cascade[,threshold=0.5[,scale=1.5[,roi]]])方法,搜索與HaarCascade匹配的所有區(qū)域的圖像,返回所檢測(cè)到的邊界框矩形元組(x,y,w,h)列表。若未發(fā)現(xiàn),則返回空列表。cascade是HaarCascade對(duì)象。threshold是浮點(diǎn)數(shù)(0.0-1.0),較小的值在提高檢測(cè)速率同時(shí)增加誤報(bào)率。scale是必須大于1.0的浮點(diǎn)數(shù)。較高的比例因子運(yùn)行更快,但其圖像匹配相應(yīng)較差。理想值介于1.35-1.5之間。Python編程及實(shí)現(xiàn)face_cascade=image.HaarCascade("frontalface",stages=25)while(True): img=sensor.snapshot() #捕捉圖像幀 objects=img.find_features(face_cascade,threshold=0.75,scale=1.35)
forrinobjects: #在找到的目標(biāo)對(duì)象上畫(huà)框,標(biāo)記出來(lái);img.draw_rectangle(r)調(diào)試經(jīng)驗(yàn)如果視頻區(qū)顯示出攝像頭捕捉的圖像幀質(zhì)量過(guò)低,繼續(xù)進(jìn)行人臉檢測(cè)將沒(méi)有意義。這時(shí)需要調(diào)節(jié)攝像頭的工作參數(shù)。如果圖像偏暗,則對(duì)LED編程進(jìn)行補(bǔ)光;人臉處于逆光狀態(tài),人臉部分的圖像特征模糊,對(duì)人臉檢測(cè)很不利。調(diào)試程序時(shí)更換人臉位置,避開(kāi)這種情況;如果視頻顯示正常,但沒(méi)有檢測(cè)到人臉區(qū)域,或者檢測(cè)到了錯(cuò)誤的區(qū)域,這是需要檢測(cè)HaarCascade相關(guān)函數(shù)的編程中,各種工作參數(shù)設(shè)置是否合適。包括HaarCascade函數(shù)中的階段數(shù),find_features函數(shù)中的閾值和比例因子等,調(diào)節(jié)參數(shù)的取值,觀(guān)察識(shí)別率、誤識(shí)率、計(jì)算速度等方面的變化,確定所使用開(kāi)發(fā)系統(tǒng)的最佳工作參數(shù)。分析與思考編程案例中是利用計(jì)算機(jī)視覺(jué)開(kāi)源庫(kù)中已經(jīng)訓(xùn)練好的Haar人臉檢測(cè)模型數(shù)據(jù),如何自行訓(xùn)練出人臉檢測(cè)Haar模型?如何在程序中調(diào)用外部的Haar模型?提出你的
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 大學(xué)生職業(yè)生涯規(guī)劃與個(gè)人能力展示
- 2024秋八年級(jí)道德與法治上冊(cè) 第四單元 維護(hù)國(guó)家利益 第九課 樹(shù)立總體國(guó)家安全觀(guān) 第1框 認(rèn)識(shí)總體國(guó)家安全觀(guān)教學(xué)設(shè)計(jì) 新人教版
- 三年級(jí)信息技術(shù)上冊(cè) 第六課 巧玩電腦小游戲教學(xué)設(shè)計(jì) 華中師大版
- Unit 3 Weather(教學(xué)設(shè)計(jì))-2023-2024學(xué)年人教PEP版英語(yǔ)四年級(jí)下冊(cè)
- 2024-2025學(xué)年高中生物 第三章 酶的應(yīng)用技術(shù)實(shí)踐 第二節(jié) 制備和應(yīng)用固定化酶教學(xué)設(shè)計(jì) 蘇教版選修1
- 《除數(shù)是一位數(shù)的除法 - 筆算除法》(教學(xué)設(shè)計(jì))-2023-2024學(xué)年三年級(jí)下冊(cè)數(shù)學(xué)人教版
- 三年級(jí)下冊(cè)道德與法治教學(xué)設(shè)計(jì)-6《規(guī)則守護(hù)我們成長(zhǎng)》第二課時(shí) 守規(guī)才有序 蘇教版
- 2023九年級(jí)數(shù)學(xué)上冊(cè) 第四章 圖形的相似8 圖形的位似第1課時(shí) 位似圖形及其畫(huà)法教學(xué)設(shè)計(jì) (新版)北師大版
- 血漿站后廚工作總結(jié)
- 2023二年級(jí)數(shù)學(xué)下冊(cè) 8 克和千克第1課時(shí) 克和千克的認(rèn)識(shí)教學(xué)設(shè)計(jì) 新人教版
- 事業(yè)單位固定資產(chǎn)購(gòu)置流程圖
- 變壓器生產(chǎn)工藝
- 融創(chuàng)文旅集團(tuán)出差管理制度(培訓(xùn)課件)
- 基坑監(jiān)測(cè)周報(bào)
- 客戶(hù)信用等級(jí)評(píng)價(jià)表
- CCTV雨污水管道檢測(cè)缺陷內(nèi)容判斷依據(jù)判斷標(biāo)準(zhǔn)
- 《青少年管弦樂(lè)隊(duì)指南》.PPT
- 合規(guī)管理有效性評(píng)估表
- 應(yīng)急管理試題庫(kù)
- 苯的加成精彩動(dòng)畫(huà)演示教學(xué)課件
- 輸電線(xiàn)路驗(yàn)收典型缺陷識(shí)別
評(píng)論
0/150
提交評(píng)論