얼굴이 비디오에 있으면 다음 단계는 얼굴을 추적하는 데 도움이 되는 피처를 식별하는 것입니다. 예를 들어 모양, 텍스처 또는 색상을 사용할 수 있습니다. 오브젝트에 고유하고 오브젝트가 이동하는 경우에도 고정 상태로 남아 있는 피쳐를 선택합니다. 이 블로그 게시물에 코드를 다운로드하려면 함께 제공되는 예제 비디오와 함께 여기를 클릭하십시오. 예를 사용하여 다시 투영을 얻는 방법을 설명하겠습니다. 이것이 우리의 입력 이미지라면, 우리는 그것이 다채로운 모자이크 그림임을 알 수 있습니다. 우리가 위에서 말했듯이, HSV 공간으로 그림을 변환하고 여기에 색조 채널입니다. 이것은 히스토그램처럼 보입니다. «calcBackProject()» 함수는 실제로 히스토그램을 사용하여 전체 그림의 각 색상의 가중치를 계산하고 각 픽셀의 값을 전체 그림의 색상 가중치로 변경합니다. 예를 들어, 한 픽셀의 색상이 노란색이라고 말하고 이 그림의 노란색 가중치가 20%,전체 그림에서 픽셀 의 색상이 20%인 경우 이러한 종류의 노란색이 면 이 픽셀의 값을 노란색에서 0.2(또는 정수를 사용하는 경우 0.2*255)로 변경합니다. , 모든 픽셀에이 방법을 수행하여, 우리는 다시 투영 사진을 얻을.

2. 평균 교대란 무엇입니까? MeanShift는 R^N의 기본 확률 밀도 함수(PDF)를 나타내는 데이터 샘플 집합에서 모드를 찾는 알고리즘에 불과합니다. 클러스터 수에 대한 사전 지식이 필요하지 않고 클러스터의 모양을 제한하지 않는 비수분인식 클러스터링 기법입니다. 나는 당신에게 그 성가신 공식을 표시하지 않습니다, 나는 그것이 그래프와 단어로 작동하는 방법을 보여 드리겠습니다. 그것은 나 같은 초보자를위한 아주 좋은 튜토리얼이지만, 내가 4 점을 선택하고 임의의 문자를 선택했을 때,이 예에서 이 같은 알림이 표시되면, 당신은 추적 할 수있는 기능으로 피부 톤을 사용하여,이 예제에 문제가 있습니다. 피부 톤은 얼굴과 배경 사이의 대비를 잘 제공하며 얼굴이 회전하거나 움직일 때 변경되지 않습니다. 계단식 개체 감지기를 사용하여 연속된 비디오 프레임에서 얼굴을 추적할 수 있습니다. 그러나 얼굴이 기울어지거나 사람이 머리를 돌리면 추적을 잃을 수 있습니다. 이러한 제한은 검색에 사용되는 학습된 분류 모델의 유형 때문입니다. 이 문제를 방지하고 모든 비디오 프레임에 대해 얼굴 감지를 수행하는 것은 계산집약적이기 때문에 이 예제에서는 추적을 위해 간단한 얼굴 기능을 사용합니다. 우리의 CamShift 예제를 실행하려면, 터미널을 열고 다음 명령을 실행 : 당신은 MeanShift와 캠 시프트 사이의 성능 차이를 고려 했습니까? 내 관찰에서, 그들의 효율성의 둘 다 허용 되지 않습니다.