返回

Haar / LBP 特征向量

Haar / LBP Feature Vector - 滑动窗口检测中的手工特征
第三章 / 机器学习方法
参数面板

选择 Haar 或 LBP 教学模式后,点击图像或使用方向键移动滑动窗口,观察公式和统计结果实时刷新。

当前窗口
(0, 0) / 6x6

点击原图或结果图可移动滑动窗口,公式会实时更新当前 Haar 响应。

当前只解释 边缘特征 的黑白区域响应;有效窗口数:7x7 = 49
窗口定位辅助操作
用方向键或下方 4 个按钮移动当前窗口;也可以直接点击原图或结果图跳转。
当前像素 (0, 0)1 / 49
方向
概念说明

特征向量给分类器什么

Haar 和 LBP 将窗口内容编码为分类器可使用的特征向量。图源:项目 Haar/LBP 示例图
任务

当分类器面对一个滑动窗口时,它不能直接读图;我们需要先把窗口里的亮暗结构和纹理规律转换成一组固定长度的数字。

思路

常用办法有两种:一种是用 计算矩形区域差值,并用 加速;另一种是把中心像素与邻域的比较结果转成 ,再按 cell 统计直方图并串联成向量。

观察

切换 Haar 模板或调整 LBP cell 大小,观察响应值和直方图怎么跟着变;注意同一个窗口里,哪些结构让 Haar 响应变大、哪些纹理让 LBP 直方图出现峰值。

方向键移动 / 点击原图或结果图定位窗口当前响应窗口 (0, 0)
1 / 49
Haar 教学图12×12
红框为 6x6 Haar 检测窗口
Haar 模板响应
1 / 49
Haar 响应图7×7
绿框为当前窗口;响应图显示归一化后的响应强度绝对值,正负号见上方公式
检测窗口(0, 0) / 6x6
26
26
26
26
115
115
26
26
26
26
115
115
26
26
26
26
115
115
26
26
26
26
115
115
26
26
26
26
115
115
26
26
26
26
115
115
边缘特征

左右两个矩形比较亮度差,适合观察竖直边缘或明暗分界。

黑区求和白区求和
当前响应
黑区和 - 白区和
1536 - 468 = 1068

右侧结果图显示各个滑动窗口的 Haar 响应强度,绿框对应当前窗口。

Haar 模板响应

把检测窗口切成黑白矩形区域,用黑色区域灰度和减去白色区域灰度和得到一个标量特征。把任意矩形求和转化为四个角点的加减,因此适合大量滑动窗口扫描。

当前 Haar 响应证据

Haar 特征值当前代入
V= 黑区p - 白区p =1536-468 =1068
当前模板为 边缘特征,窗口左上角为 (0, 0)。

区域求和

白区 R1 (0,0,3x6)468
黑区 R2 (3,0,3x6)1536

当前窗口矩阵

26
26
26
26
115
115
26
26
26
26
115
115
26
26
26
26
115
115
26
26
26
26
115
115
26
26
26
26
115
115
26
26
26
26
115
115

矩阵值为 0~255 灰度值。深色格属于黑区,白色格属于白区,所有显示数值都参与当前特征值计算。