Какой метод распознавания тут используется?

[nikrubab 0]

Всем доброго времени суток!

Как говорится ,чем дальше в лес,тем больше дров!

вот и в моем случае так же.

Изначально надо было лишь организовать подсчет распознанных лиц в кадре.но как только с этой задачей справился,стало интересно на основе какого метода все это дело у меня работает.Стал читать и еще больше запутался...

Кто может подсказать ,по какому методу идет распознавание лиц в этом

{ // Capture the frame and load it in IplImage if( !cvGrabFrame( capture )) break; frame = cvRetrieveFrame( capture ); // If the frame does not exist, quit the loop if( !frame ) break; // Allocate framecopy as the same size of the frame if( !frame_copy ) frame_copy = cvCreateImage( cvSize(frame->width,frame->height), IPL_DEPTH_8U, frame->nChannels ); // Check the origin of image. If top left, copy the image frame to frame_copy. if( frame->origin == IPL_ORIGIN_TL ) cvCopy( frame, frame_copy, 0 ); // Else flip and copy the image else cvFlip( frame, frame_copy, 0 ); // Call the function to detect and draw the face detect_and_draw( frame_copy ); // Wait for a while before proceeding to the next frame if( cvWaitKey( 10 ) >= 0 ) break; } // Release the images, and capture memory cvReleaseImage( &frame_copy ); cvReleaseCapture( &capture ); } // If the capture is not loaded succesfully, then: else { // Assume the image to be lena.jpg, or the input_name specified const char* filename = input_name ? input_name : (char*)"lena.jpg"; // Load the image from that filename IplImage* image = cvLoadImage( filename, 1 ); // If Image is loaded succesfully, then: if( image ) { // Detect and draw the face detect_and_draw( image ); // Wait for user input cvWaitKey(0); // Release the image memory cvReleaseImage( &image ); } else { /* assume it is a text file containing the list of the image filenames to be processed - one per line */ FILE* f = fopen( filename, "rt" ); if( f ) { char buf[1000+1]; // Get the line from the file while( fgets( buf, 1000, f ) ) { // Remove the spaces if any, and clean up the name int len = (int)strlen(buf); while( len > 0 && isspace(buf[len-1]) ) len--; buf[len] = '\0'; // Load the image from the filename present in the buffer image = cvLoadImage( buf, 1 ); // If the image was loaded succesfully, then: if( image ) { // Detect and draw the face from the image detect_and_draw( image ); // Wait for the user input, and release the memory cvWaitKey(0); cvReleaseImage( &image ); } } // Close the file fclose(f); } } } // Destroy the window previously created with filename: "result" cvDestroyWindow("result"); // return 0 to indicate successfull execution of the program return 0; } // Function to detect and draw any faces that is present in an image void detect_and_draw( IplImage* img ) { int scale = 1; // Create a new image based on the input image IplImage* temp = cvCreateImage( cvSize(img->width/scale,img->height/scale), 8, 3 ); // Create two points to represent the face locations CvPoint pt1, pt2; int i; // Clear the memory storage which was used before cvClearMemStorage( storage ); // Find whether the cascade is loaded, to find the faces. If yes, then: if( cascade ) { // There can be more than one face in an image. So create a growable sequence of faces. // Detect the objects and store them in the sequence CvSeq* faces = cvHaarDetectObjects( img, cascade, storage, 1.1, 2, CV_HAAR_DO_CANNY_PRUNING, cvSize(40, 40) ); // Loop the number of faces found. for( i = 0; i < (faces ? faces->total : 0); i++ ) { // Create a new rectangle for drawing the face CvRect* r = (CvRect*)cvGetSeqElem( faces, i ); // Find the dimensions of the face,and scale it if necessary pt1.x = r->x*scale; pt2.x = (r->x+r->width)*scale; pt1.y = r->y*scale; pt2.y = (r->y+r->height)*scale; // Draw the rectangle in the input image cvRectangle( img, pt1, pt2, CV_RGB(255,0,0), 3, 8, 0 ); } } // Show the image in the window named "result" cvShowImage( "result", img ); // Release the temp image created. cvReleaseImage( &temp ); }

// OpenCV Sample Application: facedetect.c


// Include header files

#include "cv.h"

#include "highgui.h"


#include <stdio.h>

#include <stdlib.h>

#include <string.h>

#include <assert.h>

#include <math.h>

#include <float.h>

#include <limits.h>

#include <time.h>

#include <ctype.h>


// Create memory for calculations

static CvMemStorage* storage = 0;


// Create a new Haar classifier

static CvHaarClassifierCascade* cascade = 0;


// Function prototype for detecting and drawing an object from an image

void detect_and_draw( IplImage* image );


// Create a string that contains the cascade name

const char* cascade_name =

    "haarcascade_frontalface_alt.xml";

/*    "haarcascade_profileface.xml";*/


// Main function, defines the entry point for the program.

int main( int argc, char** argv )

{


    // Structure for getting video from camera or avi

    CvCapture* capture = 0;


    // Images to capture the frame from video or camera or from file

    IplImage *frame, *frame_copy = 0;


    // Used for calculations

    int optlen = strlen("--cascade=");


    // Input file name for avi or image file.

    const char* input_name;


    // Check for the correct usage of the command line

    if( argc > 1 && strncmp( argv[1], "--cascade=", optlen ) == 0 )

    {

        cascade_name = argv[1] + optlen;

        input_name = argc > 2 ? argv[2] : 0;

    }

    else

    {

        fprintf( stderr,

        "Usage: facedetect --cascade=\"<cascade_path>\" [filename|camera_index]\n" );

        return -1;

        /*input_name = argc > 1 ? argv[1] : 0;*/

    }


    // Load the HaarClassifierCascade

    cascade = (CvHaarClassifierCascade*)cvLoad( cascade_name, 0, 0, 0 );


    // Check whether the cascade has loaded successfully. Else report and error and quit

    if( !cascade )

    {

        fprintf( stderr, "ERROR: Could not load classifier cascade\n" );

        return -1;

    }


    // Allocate the memory storage

    storage = cvCreateMemStorage(0);


    // Find whether to detect the object from file or from camera.

    if( !input_name || (isdigit(input_name[0]) && input_name[1] == '\0') )

        capture = cvCaptureFromCAM( !input_name ? 0 : input_name[0] - '0' );

    else

        capture = cvCaptureFromAVI( input_name ); 


    // Create a new named window with title: result

    cvNamedWindow( "result", 1 );


    // Find if the capture is loaded successfully or not.


    // If loaded succesfully, then:

    if( capture )

    {

        // Capture from the camera.

        for(;

и в этом

#include "opencv2/objdetect/objdetect.hpp"

 #include "opencv2/highgui/highgui.hpp"

 #include "opencv2/imgproc/imgproc.hpp"


 #include <iostream>

 #include <stdio.h>


 using namespace std;

 using namespace cv;


 /** Function Headers */

 void detectAndDisplay( Mat frame );


 /** Global variables */

 String face_cascade_name = "haarcascade_frontalface_alt.xml";

 String eyes_cascade_name = "haarcascade_eye_tree_eyeglasses.xml";

 CascadeClassifier face_cascade;

 CascadeClassifier eyes_cascade;

 string window_name = "Capture - Face detection";

 RNG rng(12345);


 /** @function main */

 int main( int argc, const char** argv )

 {

   CvCapture* capture;

   Mat frame;


   //-- 1. Load the cascades

   if( !face_cascade.load( face_cascade_name ) ){ printf("--(!)Error loading\n"); return -1; };

   if( !eyes_cascade.load( eyes_cascade_name ) ){ printf("--(!)Error loading\n"); return -1; };


   //-- 2. Read the video stream

   capture = cvCaptureFromCAM( -1 );

   if( capture )

   {

     while( true )

     {

   frame = cvQueryFrame( capture );


   //-- 3. Apply the classifier to the frame

       if( !frame.empty() )

       { detectAndDisplay( frame ); }

       else

       { printf(" --(!) No captured frame -- Break!"); break; }


       int c = waitKey(10);

       if( (char)c == 'c' ) { break; }

      }

   }

   return 0;

 }


/** @function detectAndDisplay */

void detectAndDisplay( Mat frame )

{

  std::vector<Rect> faces;

  Mat frame_gray;


  cvtColor( frame, frame_gray, CV_BGR2GRAY );

  equalizeHist( frame_gray, frame_gray );


  //-- Detect faces

  face_cascade.detectMultiScale( frame_gray, faces, 1.1, 2, 0|CV_HAAR_SCALE_IMAGE, Size(30, 30) );


  for( int i = 0; i < faces.size(); i++ )

  {

    Point center( faces[i].x + faces[i].width*0.5, faces[i].y + faces[i].height*0.5 );

    ellipse( frame, center, Size( faces[i].width*0.5, faces[i].height*0.5), 0, 0, 360, Scalar( 255, 0, 255 ), 4, 8, 0 );


    Mat faceROI = frame_gray( faces[i] );

    std::vector<Rect> eyes;


    //-- In each face, detect eyes

    eyes_cascade.detectMultiScale( faceROI, eyes, 1.1, 2, 0 |CV_HAAR_SCALE_IMAGE, Size(30, 30) );


    for( int j = 0; j < eyes.size(); j++ )

     {

       Point center( faces[i].x + eyes[j].x + eyes[j].width*0.5, faces[i].y + eyes[j].y + eyes[j].height*0.5 );

       int radius = cvRound( (eyes[j].width + eyes[j].height)*0.25 );

       circle( frame, center, radius, Scalar( 255, 0, 0 ), 4, 8, 0 );

     }

  }

  //-- Show what you got

  imshow( window_name, frame );

 }

примерах с сайта 1 и 2 соответственно .

Там что то про Виола-Джонс говорится,но насколько я понял,Виола-Джонс это набор нескольких методов ,то есть это скорей методика.

Проясните пожалуйста

[Smorodov 579]

Слайды одной из моих лекций.

Детектор лиц на основе метода Виолы-Джонса.rar

[nikrubab 0]

Слайды одной из моих лекций.

Детектор лиц на основе метода Виолы-Джонса.rar

спасибо за ответ!

то есть в этом коде реализован метод Виолы-Джонса и это полностью самостоятельный метод, такой как например "Скрытые Марковские модели" или "Метод главных компонент" ??

[Smorodov 579]

в общем да, но вы сравниваете черное с круглым

[nikrubab 0]

в общем да, но вы сравниваете черное с круглым

я просто делаю обзорную часть и мне надо описать метод который тут используется.

исходя из вашего последнего замечания и пришел к выводу что сослаться на Виола-Джонса будет не совсем корректно.

а как тогда пояснить это можно?ну что бы было не как "черное с круглым"

[Smorodov 579]

Да нет, метод Виолы-Джонса - это метод детектирования объектов на изображениях.

PCA - метод главных компонент (погуглите). Это не детектор. Но метод мат. статистики применяемый и для распознавания лиц в том числе. Может применяться, в принципе, к чему угодно.

HMM - это вообще статистическая модель процесса. Тоже не детектор, но тоже иногда используется для детектирования (дополняется при этом признаками, например векторами коэффициентов дискретного косинусного преобразования фрагментов изображения).

Но в контексте распознавания объектов эти названия используются, так что большой ошибки нет.

[nikrubab 0]

Да нет, метод Виолы-Джонса - это метод детектирования объектов на изображениях.

PCA - метод главных компонент (погуглите). Это не детектор. Но метод мат. статистики применяемый и для распознавания лиц в том числе. Может применяться, в принципе, к чему угодно.

HMM - это вообще статистическая модель процесса. Тоже не детектор, но тоже иногда используется для детектирования (дополняется при этом признаками, например векторами коэффициентов дискретного косинусного преобразования фрагментов изображения).

Но в контексте распознавания объектов эти названия используются, так что большой ошибки нет.

хорошо,допустим что так.

тогда не понятно следующее.мне надо обосновать выбор Виолы-Джонса и произвести сравнительный анализ аналогичных методов.так вот чем больше читал тем больше запутывался

Виола-Джонс это вообще никак не альтернатива PCA ,HMM ?это что то другое?

Вы пишите "РСА ....применяемый и для распознавания лиц в том числе" то есть по сути выступает как замена Виолы??

И да,самое главное,в приведенных мною выше примерах в основе что ?Как описать код можно?Что там реализован метод Виолы-Джонса и точка?или там смесь разных алгоритмов,в том числе РСА,НММ ?

сорри что походу туплю,но сроки жмут и откладывать некуда дальше..

спасибо за понимание!

[Smorodov 579]

Метод Виолы-Джонса самый быстрый и точный ДЕТЕКТОР на сегодняшний день.

Методы PCA, и HMM применяются обычно к уже найденным детектором лицам и применяются для узнавания человека (или уточнения класса объекта).

В коде выше только метод Виолы-Джонса.

[nikrubab 0]

Метод Виолы-Джонса самый быстрый и точный ДЕТЕКТОР на сегодняшний день.

Методы PCA, и HMM применяются обычно к уже найденным детектором лицам и применяются для узнавания человека (или уточнения класса объекта).

В коде выше только метод Виолы-Джонса.

супер!очень доступно!спасибо Вам огромное!

[mrgloom 242]

Детектор и распознаватель в общем случае разные вещи.

т.к. детектор определяет принадлежность к общему классу лиц, а распознаватель относит к подкласу лиц, т.е. конкретному индивиду.

по сути это всё бинарные классификаторы лицо - не лицо, которые применяются для скользящей по изображению рамки заданного размера.

метод Виолы-Джонса

построен каскадной модели слабые фичи объединяются в каскад(вроде это называется boosting аля adaboost), что позволяет быстрее отсекать заведомо неверные варианты на ранних этапах каскада.

можно было бы построить детектор и на SVM и на нейросетях и т.д. (просто само детектирование занимало бы дольше, а вот насчёт точности и скорости\простоты обучения я думаю Виола-Джонс может и проиграть)

а простейший метод это просто смотреть разницу вектора фич по какой либо метрике(самый простой случай евклидова метрика и просто пиксели)

PCA это просто метод сокращения размерности вектора фич (вроде как это даже не добавляет точности(может только уменьшить, т.к. "сжатие как бы с потерей", а просто сокращает размерность для более быстрой работы сравнения)

хотя я так подумал может и добавить точности, если в исходных данных присутствовали шумы, но я не уверен.

хотя вот на википедии пишут

in some cases, data analysis such as regression or classification can be done in the reduced space more accurately than in the original space.

https://en.wikipedia.org/wiki/Dimensionality_reduction