ISL-II623【Face Detection by OpenCV】
文件 說明 下載點
ISL-II623-C1【Face Detection by OpenCV】 本報告主要在針對OpenCV函式庫做一些較深入的研究，其中包括了專案環境的設定與原本已經寫好的人臉偵測範例程式，這次人臉偵測所使用的演算法為AdaBoost演算法[1][2]。並針對其影像擷取的部分有較詳細的說明。本次測試程式使用函式庫OpenCV Beta5版並搭配Visual Studio 6.0編譯器，在Windows XP Professional SP2編譯無誤。 立即下載
ISL-II623-C2【Face Detection by OpenCV】 現今社會的治安敗壞，犯罪事件頻傳，於是如何發展出更有效率的監視保全系統成了許多人思考的課題，而隨著近年來數位影像處理的技術越來越成熟，開始有人試圖將其運用在監視系統上，期望能透過電腦來達成自動監控的效果，以彌補人力所不及的部份。為了完成這個目標，快速且準確的找出影像中的各個人臉是最重要的一步，有了有效率的人臉偵測系統，才能進一步的去做辨識或追蹤。本報告目標為運用數位影像處理的方法來達成影像中的人臉偵測，為了完成此目標我們使用C做為編譯的語言，並搭配Intel所開發出來的影像處理函式庫OpenCV來實做。OpenCV的人臉偵測方式是基於利用AdaBoost演算法訓練出Cascade分類器，然後再使用分類器進行特徵比對，透過cvHaarDetectObjects這個函式來完成特徵比對的結果進而找出影像中是否有人臉，此函式是OpenCV中專門針對目標檢測所使用的函式，可以有效的將Viola和Jones所設計的即時偵測系統實做出來。本實驗之程式以Microsoft Visual 2005編譯，適用於Microsoft Windows XP作業系統，並需使用OpenCV1.0或其之後的版本。本實驗所使用的影像為OpenCV所提供的範例影像lena及一些自行拍攝的影像共10張，觀察實驗結果及分析表可發現frontalface_alt_tree是五個分類器中錯誤率最低的，而frontalface_default則是在偵測率方面表現最好，此外profileface則是在錯誤率及偵測率兩方面均表現最差。而在放大倍率方面的實驗則是以1.4達到最好的效率。 立即下載
ISL-II623-C3【Face Detection by OpenCV】 本實驗使用函式庫OpenCV 1.0裡的範例facedetect.c，修改範例程式的一些參數，以測試其效能，瞭解人臉偵測之原理與方法。本次程式使用函式庫OpenCV 1.0版以Visual C++ 2008 Express Edition編譯，於Windows 7底下執行。人臉偵測在家庭保全上的應用很廣，但要達到極高偵測率與準確度，則是一門困難的課題，現今的人臉偵測也被影像中人臉角度限制住，還有遮蔽物的干擾，這些都會使得錯誤率上升，本實驗拿了一些光線不足、臉部有遮蔽物的影像作測試，觀察是否可以偵測到人臉。人臉偵測的方法是使用Adaboost演算法，利用Haar特徵來進行模式匹配， cvHaarDetectObjects函數即是在影像中找出人臉特徵的位置，本實驗改變分類器檔案以及放大倍率值來做討論。若強化分類器偵測的效能，使難以偵測到的人臉偵測出來，但也會使有些不是人臉的地方誤判為人臉，相對的提高錯誤率。改變參數scale也可改變偵測率，且對偵測時間有極大的影響，scale越大偵測速度越快，但偵測率卻下降、錯誤率上升，擁有較高的偵測率、較低的錯誤率，scale值大概介於1.3~1.6之間。 立即下載