OpenCVで物体検出器を作成する② ~Haar-Like特徴~

detected

こんにちは。ザキヤマです。
このあいだの海の日は新宿にいたのですが、どこからともなく磯の匂いがしていました。夏です。

さて今回は、前回の OpenCVで物体検出器を作成する① ~基礎知識~ に引き続き、
特徴量について説明していきます。

OpenCVで物体検出器を作成するシリーズ、記事一覧はこちら

img_seo_bnr02

おさらい:traincascadeで扱える特徴量

機械学習では、物体の「特徴量」を抽出し、カスケード分類器を作成します。
特徴の抽出方法には、いくつか種類があります。
OpenCVのtraincascadeでは、以下の3種類から学習する特徴量を選択できます。

  • Haar-Like特徴
  • LBP(Local Binary Pattern)特徴
  • HOG(Histogram of Oriented Gradients)特徴

それぞれについて、説明していきたいと思います。

Haar-Like特徴

Haar-Like特徴は、画像の明暗差により特徴を捉えます。

画像の一部分を切り出し、局所的な明暗差を算出します。
この局所的な特徴をいくつも組み合わせることで、物体を判別できるようになります。
下記動画では、Haar Like特徴量による顔検出の検出過程が見れます。


OpenCV Face Detection: Visualized from Adam Harvey on Vimeo.

画像処理界のマドンナ、Lenaさんの顔も無事検出されました。
特徴の抽出方法と検出方法が可視化されています。
こんな風に探し回って、やっと見つけることができます。

つづきます

今回はHaar-Like特徴についてでした。
細かい仕組みは理解していなくてもカスケード分類器を作成することはできます!
ですが、仕組みがわかるとすっきりと作業できる、、、気がします。
次回はLBP特徴についてです。

⇒ OpenCVで物体検出器を作成する③ ~LBP特徴~

img_seo_bnr02

CONTACT US

株式会社プロフェッサはWEB制作会社です。
opencvに関連する開発は、株式会社プロフェッサにおまかせください

2015年7月22日


Previous Post

Next Post