paper 69：Haar-like矩形遍历检测窗口演示Matlab源代码[转载]

Haar-like矩形遍历检测窗口演示Matlab源代码

clc; clear; close all;

% Haar-like特征矩形计算

board = 24                                              % 检测窗口宽度
num = 24                                                % 检测窗口分划数

show = 1;                                               % 1为作图
time = 0.001;                                           % 作图间隔

%%

if mod(board,num)~=0
    error(‘检测窗口宽度必须是分划数的整数倍‘)
else
    delta = board/num                                   % 滑动步进值　
end

%% Haar特征1：左白,右黑,(s,t)=(1,2)

s = 1;
t = 2;
R = s:s:floor(num/s)*s;                                 % Haar窗口高
C = t:t:floor(num/t)*t;                                 % Haar窗口宽
NUM = 0;                                                % Haar特征总数

‘---- Haar特征1：左白,右黑,(s,t)=(1,2) ---‘
for I = 1:length(R)
    for J = 1:length(C)

        r = R(I)*delta;                                   % Haar窗口高
        c = C(J)*delta;                                  % Haar窗口宽
        nr = num-R(I)+1;                                 % 行方向移动个数
        nc = num-C(J)+1;                                 % 列方向移动个数

        Px0 = [0 r];                                     % 矩形坐标初始化
        Py0 = [0 c/2 c];
        for i = 1:nr
            for j = 1:nc
                Px = Px0+(i-1)*delta;                    % 滑动取点
                Py = Py0+(j-1)*delta;
                NUM = NUM+1;

                if show
                    plot([0 board],repmat((0:delta:board)‘,1,2),‘k‘); hold on;
                    plot(repmat((0:delta:board)‘,1,2),[0 board],‘k‘); axis tight; axis square;
                    title(‘Haar矩形遍历演示‘);xlabel(‘x‘);ylabel(‘y‘);

                    plot(Px,repmat(Py‘,1,2),‘r‘,‘LineWidth‘,5)
                    plot(repmat(Px,2,1),repmat([Py(1) Py(end)]‘,1,2),‘r‘,‘LineWidth‘,5); hold off
                    pause(time)
                end

            end
        end

    end
end
NUM

%% Haar特征2：上白,下黑,(s,t)=(2,1)

s = 2;
t = 1;
R = s:s:floor(num/s)*s;                                 % Haar窗口高
C = t:t:floor(num/t)*t;                                 % Haar窗口宽
NUM = 0;                                                % Haar特征总数

‘---- Haar特征2：上白,下黑,(s,t)=(2,1) ---‘
for I = 1:length(R)
    for J = 1:length(C)

        r = R(I)*delta;                                  % Haar窗口高
        c = C(J)*delta;                                  % Haar窗口宽
        nr = num-R(I)+1;                                 % 行方向移动个数
        nc = num-C(J)+1;                                 % 列方向移动个数

        Px0 = [0 r/2 r];                                 % 矩形坐标初始化
        Py0 = [0 c];
        for i = 1:nr
            for j = 1:nc
                Px = Px0+(i-1)*delta;                    % 滑动取点
                Py = Py0+(j-1)*delta;
                NUM = NUM+1;

                if show
                    plot([0 board],repmat((0:delta:board)‘,1,2),‘k‘); hold on;
                    plot(repmat((0:delta:board)‘,1,2),[0 board],‘k‘); axis tight; axis square;
                    title(‘Haar矩形遍历演示‘);xlabel(‘x‘);ylabel(‘y‘);

                    plot(repmat(Px,2,1),repmat(Py‘,1,length(Px)),‘r‘,‘LineWidth‘,3);
                    plot(repmat([Px(1) Px(end)]‘,1,2),repmat(Py,2,1),‘r‘,‘LineWidth‘,3); hold off
                    pause(time)
                end

            end
        end

    end
end
NUM

%% Haar特征3：左右白,中间黑,(s,t)=(1,3)

s = 1;
t = 3;
R = s:s:floor(num/s)*s;                                 % Haar窗口高
C = t:t:floor(num/t)*t;                                 % Haar窗口宽
NUM = 0;                                                % Haar特征总数

‘---- Haar特征3：左右白,中间黑,(s,t)=(1,3) ---‘
for I = 1:length(R)
    for J = 1:length(C)

        r = R(I)*delta;                                  % Haar窗口高
        c = C(J)*delta;                                  % Haar窗口宽
        nr = num-R(I)+1;                                 % 行方向移动个数
        nc = num-C(J)+1;                                 % 列方向移动个数

        Px0 = [0 r];                                     % 矩形坐标初始化
        Py0 = [0 c/3 c*2/3 c];
        for i = 1:nr
            for j = 1:nc
                Px = Px0+(i-1)*delta;                    % 滑动取点
                Py = Py0+(j-1)*delta;
                NUM = NUM+1;

                if show
                    plot([0 board],repmat((0:delta:board)‘,1,2),‘k‘); hold on;
                    plot(repmat((0:delta:board)‘,1,2),[0 board],‘k‘); axis tight; axis square;
                    title(‘Haar矩形遍历演示‘);xlabel(‘x‘);ylabel(‘y‘);

                    plot(Px,repmat(Py‘,1,2),‘r‘,‘LineWidth‘,5)
                    plot(repmat(Px,2,1),repmat([Py(1) Py(end)]‘,1,2),‘r‘,‘LineWidth‘,5); hold off
                    pause(time)
                end

            end
        end

    end
end
NUM

%% Haar特征4：左右白,中间黑(2倍宽度),(s,t)=(1,4)

s = 1;
t = 4;
R = s:s:floor(num/s)*s;                                 % Haar窗口高
C = t:t:floor(num/t)*t;                                 % Haar窗口宽
NUM = 0;                                                % Haar特征总数

‘---- Haar特征4：左右白,中间黑(2倍宽度),(s,t)=(1,4) ---‘
for I = 1:length(R)
    for J = 1:length(C)

        r = R(I)*delta;                                  % Haar窗口高
        c = C(J)*delta;                                  % Haar窗口宽
        nr = num-R(I)+1;                                 % 行方向移动个数
        nc = num-C(J)+1;                                 % 列方向移动个数

        Px0 = [0 r];                                     % 矩形坐标初始化
        Py0 = [0 c/4 c*3/4 c];
        for i = 1:nr
            for j = 1:nc
                Px = Px0+(i-1)*delta;                    % 滑动取点
                Py = Py0+(j-1)*delta;
                NUM = NUM+1;

                if show
                    plot([0 board],repmat((0:delta:board)‘,1,2),‘k‘); hold on;
                    plot(repmat((0:delta:board)‘,1,2),[0 board],‘k‘); axis tight; axis square;
                    title(‘Haar矩形遍历演示‘);xlabel(‘x‘);ylabel(‘y‘);

                    plot(Px,repmat(Py‘,1,2),‘r‘,‘LineWidth‘,5)
                    plot(repmat(Px,2,1),repmat([Py(1) Py(end)]‘,1,2),‘r‘,‘LineWidth‘,5); hold off
                    pause(time)
                end

            end
        end

    end
end
NUM

%% Haar特征5：上下白，中间黑,(s,t)=(3,1)

s = 3;
t = 1;
R = s:s:floor(num/s)*s;                                 % Haar窗口高
C = t:t:floor(num/t)*t;                                 % Haar窗口宽
NUM = 0;                                                % Haar特征总数

‘---- Haar特征5：上下白，中间黑,(s,t)=(3,1) ---‘
for I = 1:length(R)
    for J = 1:length(C)

        r = R(I)*delta;                                  % Haar窗口高
        c = C(J)*delta;                                  % Haar窗口宽
        nr = num-R(I)+1;                                 % 行方向移动个数
        nc = num-C(J)+1;                                 % 列方向移动个数

        Px0 = [0 r/3 r*2/3 r];                           % 矩形坐标初始化
        Py0 = [0 c];
        for i = 1:nr
            for j = 1:nc
                Px = Px0+(i-1)*delta;                    % 滑动取点
                Py = Py0+(j-1)*delta;
                NUM = NUM+1;

                if show
                    plot([0 board],repmat((0:delta:board)‘,1,2),‘k‘); hold on;
                    plot(repmat((0:delta:board)‘,1,2),[0 board],‘k‘); axis tight; axis square;
                    title(‘Haar矩形遍历演示‘);xlabel(‘x‘);ylabel(‘y‘);

                    plot(repmat(Px,2,1),repmat(Py‘,1,length(Px)),‘r‘,‘LineWidth‘,3);
                    plot(repmat([Px(1) Px(end)]‘,1,2),repmat(Py,2,1),‘r‘,‘LineWidth‘,3); hold off
                    pause(time)
                end

            end
        end

    end
end
NUM

%% Haar特征6：上下白，中间黑(2倍宽度),(s,t)=(4,1)

s = 4;
t = 1;
R = s:s:floor(num/s)*s;                                 % Haar窗口高
C = t:t:floor(num/t)*t;                                 % Haar窗口宽
NUM = 0;                                                % Haar特征总数

‘---- Haar特征6：上下白，中间黑(2倍宽度),(s,t)=(4,1) ---‘
for I = 1:length(R)
    for J = 1:length(C)

        r = R(I)*delta;                                  % Haar窗口高
        c = C(J)*delta;                                 % Haar窗口宽
        nr = num-R(I)+1;                                 % 行方向移动个数
        nc = num-C(J)+1;                                 % 列方向移动个数

        Px0 = [0 r/4 r*3/4 r];                           % 矩形坐标初始化
        Py0 = [0 c];
        for i = 1:nr
            for j = 1:nc
                Px = Px0+(i-1)*delta;                    % 滑动取点
                Py = Py0+(j-1)*delta;
                NUM = NUM+1;

                if show
                    plot([0 board],repmat((0:delta:board)‘,1,2),‘k‘); hold on;
                    plot(repmat((0:delta:board)‘,1,2),[0 board],‘k‘); axis tight; axis square;
                    title(‘Haar矩形遍历演示‘);xlabel(‘x‘);ylabel(‘y‘);

                    plot(repmat(Px,2,1),repmat(Py‘,1,length(Px)),‘r‘,‘LineWidth‘,3);
                    plot(repmat([Px(1) Px(end)]‘,1,2),repmat(Py,2,1),‘r‘,‘LineWidth‘,3); hold off
                    pause(time)
                end

            end
        end

    end
end
NUM

%% Haar特征7：左上右下白，其它黑,(s,s)=(2,2)

s = 2;
t = 2;
R = s:s:floor(num/s)*s;                                 % Haar窗口高
C = t:t:floor(num/t)*t;                                 % Haar窗口宽
NUM = 0;                                                % Haar特征总数

‘---- Haar特征7：左上右下白，其它黑,(s,s)=(2,2) ---‘
for I = 1:length(R)
    for J = 1:length(C)

        r = R(I)*delta;                                  % Haar窗口高
        c = C(J)*delta;                                  % Haar窗口高
        nr = num-R(I)+1;                                 % 行方向移动个数
        nc = num-C(J)+1;                                 % 行方向移动个数

        Px0 = [0 r/2 r];                           % 矩形坐标初始化
        Py0 = [0 c/2 c];                           % 矩形坐标初始化
        for i = 1:nr
            for j = 1:nc
                Px = Px0+(i-1)*delta;                    % 滑动取点
                Py = Py0+(j-1)*delta;
                NUM = NUM+1;

                if show
                    plot([0 board],repmat((0:delta:board)‘,1,2),‘k‘); hold on;
                    plot(repmat((0:delta:board)‘,1,2),[0 board],‘k‘); axis tight; axis square;
                    title(‘Haar矩形遍历演示‘);xlabel(‘x‘);ylabel(‘y‘);

                    plot(repmat(Px,3,1),repmat(Py‘,1,length(Px)),‘r‘,‘LineWidth‘,3);
                    plot(repmat([Px(1) Px(end)]‘,1,3),repmat(Py,2,1),‘r‘,‘LineWidth‘,3); hold off
                    pause(time)
                end

            end
        end

    end
end
NUM

%% Haar特征8：四周白，中间黑,(s,s)=(3,3)

s = 3;
t = 3;
R = s:s:floor(num/s)*s;                                 % Haar窗口高
C = t:t:floor(num/t)*t;                                 % Haar窗口宽
NUM = 0;                                                % Haar特征总数

‘---- Haar特征8：四周白，中间黑,(s,s)=(3,3) ---‘
for I = 1:length(R)
    for J = 1:length(C)

        r = R(I)*delta;                                  % Haar窗口高
        c = C(J)*delta;                                  % Haar窗口高
        nr = num-R(I)+1;                                 % 行方向移动个数
        nc = num-C(J)+1;                                 % 行方向移动个数

        Px0 = [0 r/3 r*2/3 r];                           % 矩形坐标初始化
        Py0 = [0 c/3 c*2/3 c];                           % 矩形坐标初始化
        for i = 1:nr
            for j = 1:nc
                Px = Px0+(i-1)*delta;                    % 滑动取点
                Py = Py0+(j-1)*delta;
                NUM = NUM+1;

                if show
                    plot([0 board],repmat((0:delta:board)‘,1,2),‘k‘); hold on;
                    plot(repmat((0:delta:board)‘,1,2),[0 board],‘k‘); axis tight; axis square;
                    title(‘Haar矩形遍历演示‘);xlabel(‘x‘);ylabel(‘y‘);

                    plot(repmat(Px,4,1),repmat(Py‘,1,length(Px)),‘r‘,‘LineWidth‘,3);
                    plot(repmat([Px(1) Px(end)]‘,1,4),repmat(Py,2,1),‘r‘,‘LineWidth‘,3); hold off
                    pause(time)
                end

            end
        end

    end
end
NUM

% 毕业院校：海军工程大学，水声工程专业，博士
% 精通方向：数字信号(图像、视频)处理，人工智能与模式识别，群体智能优化，非线性与混沌，支持向量机，Matlab与VC++混编
% 现任岗位：沈阳聚德视频技术有限公司，图像处理及模式识别研发工程师
% 工作职责：车牌识别，视频目标跟踪等算法开发，C/C++实现，DSP植入
% 兴趣爱好：金融时序的程式化交易
%
% 主要成果：
% [1] 实现车牌识别C/C实现，DSP植入，识别率：汉字不低于99%，数字字母不低于99.5%，整牌不低于97%
% [2] 精通数字信号(图像、视频)“特征提取”与“模式识别”的研究与开发，开展了“支持向量机”应用研究，原创文章有《四种支持向量机工具箱使用要点》，独立开发了“支持向量机Matlab工具箱Version1.0”。结题项目有：语音信号处理与识别，遥感图像的特征提取与分类，人脸识别，主被动声纳信号处理与识别等
% [3] 精通“群体智能优化”，原创工具箱有“群体智能算法”Matlab工具箱 Version2.0”，误差精度优于现有公开发表文献，工程中解决了各种高维复杂问题的优化计算
% [4] 精通“时间序列混沌建模和预测”，基于Matlab和VC 混编平台，独立开发了混沌分析和预测软件包“混沌时间序列分析与预测工具箱 Version2.9”。结题项目有：金融数据波动性分析与程式化交易，银行反洗钱异常检测系统，混沌背景弱信号检测，海洋混响背景弱目标检测等
% [5] 精通Matlab与VC 混合编程：(a)以VC 为界面，核心算法采用Matlab函数，原创文章有《如何将Matlab7.0函数转换成VC 6.0动态链接库》；(b)以Matlab为界面，耗时算法在VC 环境中采用Mexfunction编译。
%
% 联系方式

转载来源：http://blog.sina.com.cn/s/blog_736aa0540101kzqb.html　　

个人博客: http://blog.sina.com.cn/luzhenbo2

时间： 2024-10-19 05:58:13

paper 69：Haar-like矩形遍历检测窗口演示Matlab源代码[转载]的相关文章

基于Haar特征Adaboost人脸检测级联分类

基于Haar特征Adaboost人脸检测级联分类,称haar分类器. 通过这个算法的名字,我们能够看到这个算法事实上包括了几个关键点:Haar特征.Adaboost.级联.理解了这三个词对该算法基本就掌握了. 1        算法要点 Haar分类器 = Haar-like特征 + 积分图方法 + AdaBoost +级联: Haar分类器算法的要点例如以下: a)        使用Haar-like特征做检測. b)       使用积分图(IntegralImage)对Haar-like

矩形重叠检测。

// 矩形重叠类型注释 // CORNER_OVERLAP // -------------------- // | | // | | // | **********|********** // | * | * // | * | * // ---------*---------| * // * * // * * // ********************* // // ANCHOR_OVERLAP // ---- // | | // | | // *******|**|******* //

链表创建和链表遍历算法的演示_C语言

今天搞了一个多小时,头是疼的,应该是没休息好吧,学习了数据结构这一节,感觉收益良多,下面贴上代码和心得: 1 /*24_链表创建和链表遍历算法的演示*/ 2 # include <stdio.h> 3 # include <malloc.h> 4 # include <stdlib.h> 5 6 typedef struct Node 7 { 8 int data;//数据域 9 struct Node * pNext;//指针域 10 }NODE, *PNODE;//

C# foreach语句遍历集合类型演示范例的代码

下面资料是关于C# foreach语句遍历集合类型演示范例的内容,希望能对各位朋友有些用处. using System; using System.Collections; public class Tokens: IEnumerable { private string[] elements; Tokens(string source, char[] delimiters) { elements = source.Split(delimiters); } { return new TokenE

paper 111：图像分类物体目标检测 from RCNN to YOLO

参考列表 Selective Search for Object Recognition Selective Search for Object Recognition(菜菜鸟小Q的专栏) Selective Search for Object Recognition(Surge) Selective Search for Object Recognition(原始论文) Efficient Graph-Based Image Segmentation(快速图像分割) Homepage of K

6-9 Haar+adaboost人脸识别

我们重点分析了Haar特征的概念以及如何计算Haar特征,并介绍了Haar+Adaboost分类器它们的组合以及Adaboost分类器如何使用和训练.这节课我们将通过代码来实现一下Haar+Adaboost分类器实现的人脸识别. 计算jpg图片的haar特征,不过这一步opencv已经帮我们做了,所以我们不需要.我们只需要对这个图片进行一个灰度处理,因为所有的haar特征必须要是基于灰度图片来进行计算的.第四步,我们进行检测.所以我们要检测出来当前的haar特征的人脸以及人脸上的眼睛.总共有两个

paper 27 ：图像/视觉显著性检测技术发展情况梳理(Saliency Detection、Visual Attention）

1. 早期C. Koch与S. Ullman的研究工作. 他们提出了非常有影响力的生物启发模型. C. Koch and S. Ullman . Shifts in selective visual attention: Towards the underlying neural circuitry. Human Neurobiology, 4(4):219-227, 1985. C. Koch and T. Poggio. Predicting the Visual World: Silenc

使用onbeforeunload事件检测窗口是否刷新或关闭 .

onunload,onbeforeunload 在页面刷新或关闭时调用,区别在于: onbeforeunload 是在页面刷新或关闭前触发,这时浏览器并未请求服务器读取新页面,因此onbeforeunload是可以阻止页面更新或关闭的. onunload 也是在页面刷新或关闭时触发,不过这时浏览器已经向服务器请求读取新页面,因此onunload是无法阻止页面更新或关闭的. 1. onbeforeunload 事件 事件触发时会弹出一个有确定和取消的对话框,确定后才会执行后续事件,否则继续留在本页

车牌识别技术详解六--基于Adaboost+haar训练的车牌检测

一.准备样本: 正样本: 负样本: