本稿は、Haar特徴に基づくカスケード分類器を、単なる顔検出アルゴリズムではなく、画像を矩形領域の和と差分へ還元する実行可能な仕様として読む試みである。Haarの名は、1910年の直交関数系に由来するが、OpenCVにおけるHaar Cascadeは、連続関数の理論そのものではなく、白矩形と黒矩形の画素和差分を特徴量とし、それを多数の正例・負例画像から学習した分類器としてXMLに保存する実装形式である。Viola and Jonesの2001年論文は、Integral Image、AdaBoost、Cascade構造を結合し、膨大な候補窓の評価を高速化した。この構成により、画像は意味として理解される前に、矩形特徴、しきい値、弱分類器、段階的棄却という手続きへ分解される。OpenCVのCascadeClassifier APIは、この学習済みXMLを読み込み、detectMultiScaleによって顔や目の候補矩形を返す。ここに見えるのは、AI以前の機械学習が、視覚をいかに集約演算と条件分岐の体系へ翻訳したかという、仕様化された視覚認識の姿である。
関連キーワード
Haar特徴、Haar-like features、Cascade Classifier、Viola-Jones、Integral Image、AdaBoost、OpenCV、XMLモデル、detectMultiScale、顔検出、弱分類器、矩形特徴、機械学習、画像認識、仕様化された視覚
0 件のコメント:
コメントを投稿