登录
首页 » 图像处理 » 基于opencv的人脸检测

基于opencv的人脸检测

于 2022-02-15 发布 文件大小:13.67 kB
0 79
下载积分: 2 下载次数: 1

代码说明:

OpenCV检测原理主要步骤为:1.加载分类器。用cvLoad函数读入xml格式的文件。文件在OpenCV安装目录下2.读入待检测图像。读入图片或者视频。3.检测人脸。

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 使用离散小波变换和奇异值分解和分割 MRR-马尔可夫随机场模型的卫星增强
    在许多应用程序如地学研究、 天文、 地理信息系统使用卫星图像。在图像中最重要的质量因素来自于其决议。卫星图像增强技术利用离散小波变换和奇异值分解。这一技术将输入的图像分解为四个频率子波段,利用离散小波变换和也估计奇异值矩阵的低-低子带图像和均衡通过逆离散小波变换增强的图像。图像分割技术应用于图像增强过程后该模型采用多区域分辨率和马尔可夫随机场技术提高分割精度,提高图像的质量和它降低噪声的卫星图像。
    2023-08-08 02:20:03下载
    积分:1
  • twain官方例程
    TWAIN Application This is a TWAIN version 2.1 of the specification compliant application.   It offers text based interface.  It shows how to implement many of the  operations needed by an application. You will need to have the FreeImage installed on your system for this  application to work properly.
    2022-02-28 13:47:10下载
    积分:1
  • 头驱动
    摄像头驱动
    2022-03-24 07:08:19下载
    积分:1
  • 去噪(含源码与测试源)
    应用背景 均值滤波器 采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图像中的颗粒噪声。领域平均法有力地抑制了噪声,同时也由于平均而引起了模糊现象,模糊程度与领域半径成正比。 几何均值滤波器所达到的平滑度可以与算术均值滤波器相比,但在滤波过程中会丢失更少的图象细节。 谐波均值滤波器对“盐”噪声效果更好,但是不适用于“胡椒”噪声。它善于处理像 请点击左侧文件开始预览 !预览只提供20%的代码片段,完整代码需下载后查看 加载中 侵权举报 打分 发表评论 暂无评论
    2022-08-26 06:18:09下载
    积分:1
  • 2D 和 3D 的 Gabor 滤波器创作者
    3D 是真的-真的几乎没有执行。它运行和 (应该是) 无缺陷。提供的帮助和代码有很好评论。最后一个未实现的方面是"滚"的能力 (除了偏航及变) 3D 内核。数学运算,以实现它是在代码中,和你需要做的就是取消注释。我发现不是这样做,因为我不干了它,发现感觉不像数学思维创造适当大小的网格。此外包括了 2D 版和一个小朴实无华的实用程序来查看 3D 矩阵。这由大量修改 23253: gabor_fn.m 由高阳
    2022-03-22 04:55:57下载
    积分:1
  • LBP image segement
    一共有三个m文件,一个是lbp.m, 存放主要的lbp算法,一个是getmapping,用以做算法的辅助函数,一个是lbptest.m,存放着测试代码。这三个文件需要放到同一个文件夹,并在文件夹中添加相应的图片,具体的图片名字见lbptest.m的代码,运行lbptest.m可以查看结果。
    2022-01-25 16:06:03下载
    积分:1
  • fileter image
    2022-03-24 05:41:37下载
    积分:1
  • 视网膜
    此源代码是用来精确地转换凹... 为此,我们有一个正常的和不正常的眼底图像上传到代码... 输出将是准确的凹/光盘位置的变换....
    2023-03-13 23:30:03下载
    积分:1
  • View Morphing
    这些源代码做视图变形的输入应该是一个两个姿势的图像或左姿势和右姿势然后结果将是一个正面姿势和源代码还包括特征提取点,这样你可以检测眼睛和嘴巴。因此整个面部可以变形。
    2022-07-17 04:59:25下载
    积分:1
  • opencv1.0--Boosting(包含boosting和RF和MLP算法)
    应用背景boosting算法训练了T个弱分类器ht,t∈{1,....,T}.这些弱分类器很简单.大多说情况下,它们只是包含一次分裂(称为决策stumps)或仅有几次分裂(可能到3次)的决策树.最后做决定的时候将复制权重αt给每个分类器.AdaBoost训练时输入的特征向量是xi,向量的类别标签是yi(这儿i=1,...,M,M是样本总数),且yi∈{1,-1}.关键技术1.在Release下进行调试 2.指定文件保存路径,如:char* filename_to_save = "F: estdataoutput.xml"; 3.选用训练的方法,如method = 1; 4.这步需要使用模型的时候再指定,训练的时候设置为char* filename_to_load = 0;使用模型的时候指定,如char* filename_to_load = "F: estdataoutput.xml";
    2023-06-29 12:10:04下载
    积分:1
  • 696518资源总数
  • 104298会员总数
  • 46今日下载