A Haar-like feature considers adjac

A Haar-like feature considers adjacent rectangular regions at a specific location in a detection window, sums up the pixel intensities in each region and calculates the difference between these sums. This difference is then used to categorize subsections of an image. For example, let us say we have an image database with human faces. It is a common observation that among all faces the region of the eyes is darker than the region of the cheeks. Therefore a common haar feature for face detection is a set of two adjacent rectangles that lie above the eye and the cheek region. The position of these rectangles is defined relative to a detection window that acts like a bounding box to the target object (the face in this case).

ผลลัพธ์ (ไทย) 1:

คุณลักษณะโดดเหมือนพิจารณาพื้นที่สี่เหลี่ยมอยู่ติดกับที่ตั้งเฉพาะในหน้าต่างการตรวจสอบ สรุปความเข้มพิกเซลในแต่ละภูมิภาค และคำนวณความแตกต่างระหว่างผลบวกเหล่านี้ ความแตกต่างนี้ถูกใช้เพื่อจัดประเภทย่อยของรูปภาพ ตัวอย่างเช่น ให้เราว่า เรามีฐานข้อมูลที่มีรูปกับใบหน้าคน ได้สังเกตพบว่าในทุกหน้าของตาจะเข้มกว่าของแก้ม ดังนั้น คุณสมบัติโดดทั่วไปสำหรับการตรวจจับใบหน้าเป็นชุดของรูปสี่เหลี่ยมที่อยู่ติดกันสองที่อยู่เหนือตาและแก้มภูมิภาค มีกำหนดตำแหน่งของรูปสี่เหลี่ยมเหล่านี้สัมพันธ์กับการตรวจสอบหน้าต่างที่ทำหน้าที่เหมือนขอบกล่องไปยังวัตถุเป้าหมาย (ใบหน้าในกรณีนี้)

ผลลัพธ์ (ไทย) 2:

คุณลักษณะ Haar เหมือนพิจารณาภูมิภาคสี่เหลี่ยมที่อยู่ติดกันในสถานที่เฉพาะในหน้าต่างการตรวจสอบผลรวมถึงความเข้มพิกเซลในแต่ละภูมิภาคและคำนวณความแตกต่างระหว่างจำนวนเงินเหล่านี้ ความแตกต่างนี้จะถูกนำมาใช้เพื่อจัดหมวดหมู่ย่อยของภาพ ตัวอย่างเช่นสมมติเราบอกว่าเรามีฐานข้อมูลภาพที่มีใบหน้าของมนุษย์ มันเป็นที่สังเกตพบว่าในทุกภูมิภาคใบหน้าของดวงตาเป็นสีเข้มกว่าพื้นที่ของแก้ม ดังนั้นคุณลักษณะ Haar ทั่วไปสำหรับการตรวจหาใบหน้าเป็นชุดของรูปสี่เหลี่ยมสองที่อยู่ติดกันที่อยู่เหนือตาและภูมิภาคแก้ม ตำแหน่งของรูปสี่เหลี่ยมเหล่านี้ถูกกำหนดเทียบกับหน้าต่างการตรวจสอบว่าการกระทำเช่นกรอบไปยังวัตถุเป้าหมาย (ใบหน้าในกรณีนี้)

ผลลัพธ์ (ไทย) 3:

เป็นเธอชอบคุณลักษณะพิจารณาพื้นที่สี่เหลี่ยมที่อยู่ติดกันที่สถานที่ที่เฉพาะเจาะจงในการตรวจสอบหน้าต่างสรุปพิกเซลเข้มในแต่ละพื้นที่และคำนวณความแตกต่างระหว่างผลบวกเหล่านี้ ความแตกต่างนี้จะใช้จัดหมวดหมู่หัวข้อย่อยต่าง ๆของภาพ ตัวอย่างเช่น เราว่าเรามีฐานข้อมูลภาพหน้าคน มันเป็น ทั่วไป สังเกตว่าใบหน้าของทุกภูมิภาคของตาเป็นสีเข้มกว่าบริเวณแก้ม ดังนั้นโดยทั่วไป Haar คุณสมบัติสำหรับการตรวจหาใบหน้าเป็นชุดสองติดกันรูปสี่เหลี่ยมที่โกหกเหนือตาและแก้ม ) ตำแหน่งของรูปสี่เหลี่ยมเหล่านี้ถูกกำหนดสัมพันธ์กับการตรวจสอบหน้าต่างที่ทำหน้าที่เหมือนบริเวณกล่องไปยังวัตถุเป้าหมาย ( หน้าในกรณีนี้ )