Daily Archives: 2013-04-10

应用场景 人脸侦测的应用非常广泛，但真正意义上来说，检测出人脸在日常生活中的意义并不是那么大（只有在诸如相机之类的应用中才被广泛应用），而从未来来讲，主要的方向将是人脸识别，即通过人脸图像识别出这个人是谁，但是这个难度就有点高了（我有找到过一个算法可以识别人，但准确度相当差），但要是做出来那必然前途无量（Facebook已经实现在这个功能，但目前仍在试用中），试想，现在的搜索都是文字搜索，未来必然将逐步发展到图像搜索，甚至视频搜索，那将会是怎样的一个世界？？？好了，不啰嗦了，呵呵。 工作原理 利用haar like来实现。利用haarcascade来进行计算检测（程序附带一个haarcascade_frontalface_alt.xml）。 补充说明 本算法在OpenCV的自带示例里有完整代码，你完全可以参考该代码进行学习和修改。 以下是接口说明。

应用场景 入侵侦测通常可被广泛用于诸如禁行区域的非法进入，如：私家住宅、限制区域、军事区的非法进入等情景。检测对象为人物。 工作原理 预先设置一条线性区域，然后在该区域内检测移动人物，看是否有人物穿越。 补充说明 本算法容易受到穿越人物大小及穿越角度的影响，人体大小参数可设，但若是设置过大容易检测不到小物体，设置过小，则容易误报。通常需配合警报录像来工作，以实现实时的检测和事后的排查及过滤。注意：镜头视野（焦距）的大小也会影响检测的准确度。 使用者操作： 1.在视窗点选实体围墙的上面两角（顺序：左→右） 2.调整Threshold的大小：如果产生的FG杂讯太多，此时可以试着调高Threshold 3.调整pattern的大小：尽量让蓝色框包含整个人形 影片场景预设： 1.实体围墙，墙高至少要到成年人肩膀以上 2.摄影机的拍摄角度和围墙的法向量夹角不能超过45度以上 3.摄影机架设的高度约2.5公尺至3.5公尺左右 4.调整实体围墙分隔线最好是在画面1/2处左右

这个异常对象侦测通常可被广泛用于诸如银行ATM机上的非法广告张贴等情景，但是同其他的一些算法一样，容易受到一些客观条件的干扰，如：灯光、光线，物体形状，物体大小等等，我们可以对这些参数做设置和配置，但是在各种不同的情景和场景下，仍然有比较大的误报可能性。 同时考虑到可能的误报，侦测背景也是做成了逐渐腐蚀渗透，即，一旦发生报警，而没有人去处理（可能是误报），就直接将该区域混合到计算背景中，以期在最大程度上降低误报的可能性（如：因白天的光亮度和晚上光亮度不一样而导致的整体误报）。