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
paper 69：Haar-like矩形遍历检测窗口演示Matlab源代码[转载]的更多相关文章
- (转)Haar-like矩形遍历检测窗口演示Matlab源代码
from:http://blog.sina.com.cn/s/blog_736aa0540101kzqb.html clc; clear; close all; % Haar-like特征矩形计算 b ...
- 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 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.A ...
- WPF Window异形窗口演示
我们先通过简单的效果展示,切换展示不同图片: 我们先定义图片资源文件,我们可以在window资源中定义,下面的在app.xaml文件来定义: <Application x:Class=" ...
- 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: /*24_链表创建和链表遍历算法的演示*/ # include <stdio.h> ...
- 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) Selec ...
- OpenCV 矩形轮廓检测
转载请注明出处:http://blog.csdn.net/wangyaninglm/article/details/44151213, 来自:shiter编写程序的艺术 基础介绍 OpenCV里提取目 ...
- 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+Adabo ...
- 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 ...
- 遍历windows窗口
原文 1. GetDesktopWindow GetNextWindow HWND hAll = ::GetDesktopWindow(); HWND hCurrent = ::GetNextWind ...
随机推荐
- yaf性能测试（wamp环境）
1实现mvc 出现helloword,成功 2.controller重定向 $get = $this->getRequest()->getQuery("get", &q ...
- hive中关于数据库与表等的基本操作
一:基本用法 1.新建数据库 2.删除数据库 3.删除非空的数据库 4.指定数据库的位置 LOCATION:指定数据库的位置,不会在系统的默认文件下. 5.在指定数据库中新建表(验证在指定的数据库中可 ...
- Java实验五报告——TCP传输及加解密
一.实验内容 1.运行教材上TCP代码,结对进行,一人服务器,一人客户端: 2.利用加解密代码包,编译运行代码,一人加密,一人解密: 3.集成代码,一人加密后通过TCP发送: 注:加密使用AES或者D ...
- win7：Remote Desktop Services 启动失败
背景: 其他PC使用mstsc远程某win7 pro sp1,一直失败. 分析: 影响远程桌面应用的设置有两个: 1. 计算机远程设置中,启用“允许远程协助连接这台计算机”,且远程桌面设置正确.如选择 ...
- 配置SQL Server Session方法
以下过程是在Win 2003 SP2 + IIS 6.0, ASP.NET 2.0, SQL Server 2005下进行的. 1. 安装Session数据库到Framework目录 C:\WINDO ...
- LeetCode Meeting Rooms II
原题链接在这里:https://leetcode.com/problems/meeting-rooms-ii/ Given an array of meeting time intervals con ...
- Oracle中 根据 file# 和 block# 找到对象
我们在10046生产的trace 文件里经常看到下面的信息. 表示系统在等待散列读取某个文件号的某个块开始的8个块. WAIT #6: nam='db file scattered read' ela ...
- Mysql---DML 语句与DCL语句
DML 语句: DML 操作是指对数据库中表记录的操作,主要包括表记录的插入(insert).更新(update).删除(delete)和查(select),是开发人员日常使用最频繁的操作.下面将依次 ...
- RabbitMQ学习总结 第二篇：快速入门HelloWorld
目录 RabbitMQ学习总结 第一篇:理论篇 RabbitMQ学习总结 第二篇:快速入门HelloWorld RabbitMQ学习总结 第三篇:工作队列Work Queue RabbitMQ学习总结 ...
- Vue.2.0.5-深入响应式原理
大部分的基础内容我们已经讲到了,现在讲点底层内容.Vue 最显著的一个功能是响应系统 -- 模型只是普通对象,修改它则更新视图.这会让状态管理变得非常简单且直观,不过理解它的原理以避免一些常见的陷阱也 ...