图像识别最近在做一个项目，其中有一个问题如下：从图片中识别出人来1、例如： 图片是从前上方拍的一个课室上
图像识别
最近在做一个项目，其中有一个问题如下：从图片中识别出人来
1、例如： 图片是从前上方拍的一个课室上课情况的图片，如何识别出是人还是书包，还是桌子呢？
2、环境：光线，亮度等发生变化，如何解决呢？
3、不知道可不可以做到人脸识别的程度，因为图片不是正面的，是前上方拍下来的。
（就我所知，第三点不可能实现）
就目前知道：
1、采用轮廓提取技术
2、采用模式匹配技术
希望各位大大提供一点提示
CSDN大牛最多，就是这一区了，来碰碰运气啦
[解决办法]
要有识别库吧或者识别规则
[解决办法]
我最近也在做类似的东西。你既要实现抠图还要匹配，有难度。抠图算法对光亮度非常敏感。
[解决办法]
OpenCV
[解决办法]
有个”研学论坛“，好多这方面的资料
[解决办法]
如果做工程就去看一下opencv文档，当然是最新版本。
opencv里要是没有，你直接去研究算法也不太现实，是吧？
[解决办法]
图片是从前上方拍的一个课室上课情况的图片，如何识别出是人还是书包，还是桌子呢？
======
你要识别是人，书包，还是桌子？首先必有有一个数据库存着人，书包，桌子的信息。每次把图片中扣出的结果和数据库的记录匹配。
数据库存储 要识别的物体 特征值/特征信息：
1，颜色信息，可以以颜色直方图的形式
2，纹理信息，
3，形状信息，整个区域轮廓，边，中心等
[解决办法]
根据视频帧差分区分人与不动的东西（桌子，书包都不动）。
然后根据模式匹配以及颜色识别桌子和书包。
至于人的话，我觉得可以根据头顶来识别，用轮廓提取可以很容易把头顶与人身体其他部位分隔开来。而且头顶大小一般是固定的，具体的图像上的大小也是可以预料的。
以前做过类似的项目，不太成功，些许经验仅供参考。
[解决办法]
人脸识别
opencv有专门的函数
[解决办法]
不是人脸正面，人脸识别效果很难保证。
你想要识别人，书包，还是桌子，首先得建立一个数据库，指定什么东西是人，什么东西是书包，桌子。专业店讲就是建立一个特征数据库，保存物体的特征值：
1，颜色特征，最简单的直方图
2，纹理特征，
3，几何特征，形状，重心，轮廓等。
匹配的时候所有信息都要匹配。
当你得到一幅图片以后，进行抠图将感兴趣的目标抠出（论文可以google grabcut），将目标和数据库中记录进行匹配。
大致思路是这样，主要问题：特征数据库建立，抠图
[解决办法]
[解决办法][解决办法]我觉得你应该上某个大学的内部BBS问这个问题，问那些图形图像专业的研究生。或者上百度文库或者其他什么地方搜索一下相关方面的论文。图像识别算法应该是很核心的东西了，相信任何一个成熟的算法不是被申请专利就是被严格保密的。
[解决办法]有做过能给点学习资料么
[解决办法]推荐一个OPENCV的图像库，里面有你需要的，“著名”的绿坝就是盗用的这个库做出来的
[解决办法]OpenCV 2.2你装一下，运行一下里面的例子
[解决办法]http://www.codeproject.com/KB/audio-video/face_detection.aspx楼主可以上codeproject上面找找思路
[解决办法]1、采用轮廓提取技术
2、采用模式匹配技术
都不需要，太累，太坑爹。
机器学习和SVM向量机,才是正道。
http://wenku.baidu.com/view/682868e8998fcc22bcd10d09.html
看这文章，还有类似的。
哥在研究相关课题。
[解决办法]http://www.seas.upenn.edu/~limingw/obj_det_accv07/index.html
如何识别抬头我没研究过，你可以看看视频中的人脸识别是如何做的
[解决办法]百度文库搜索
机器学习
SVM向量机
[解决办法]1、什么原因、什么经历让你对轮廓提取和模式识别进行了否定呢？
2、机器学习算法，我刚在学人工智能，还不是很深入；
图像分离，腐蚀，膨胀，多种手段结合，反复试验，成败比例不理想有木有？
轮廓提取，要用到Canny算子Cobel算子之类的积分技巧是不？提取到的边缘不准确有木有？
提取到了，和目标模式匹配，用欧氏距离，还是马氏距离，还是余弦相似度，难以选择有木有？
检测直线和圆，哈夫变换，得到大量Roh和Thet,需要做K聚类分析，尼玛分析不准，有木有？
检测正弦余弦，5个以上的变量，5维以上的数组，狂费内存CPU，计算超过1万秒，有木有？
改道小波分析，神经网络，你妹啊，找不到数学模型有木有？
求二值图联通域，做凸包，卷包裹法，格拉姆法，极角排序用向量差集有误差，有木有？
无法归一化图像，噪点、躁线排不除有木有？
。。。
这就是经历。
还是要回到数学上，特征采用卷积分，图片向量化，聚类化，机器学习，SVM分类树，这条路靠谱。
尽量避开图形学的东西，尤其在分离，归一化，特征提取方面太累。
[解决办法]识别书包和桌子能否用广义houg变换？外行人随便说说的
[解决办法]终于找到前几年我写的关于头顶检测的文档了。
已经上传到我的博客
http://blog.csdn.net/soliddream66/archive/2011/06/16/6549673.aspx
[解决办法]楼主这要做的是语义分析啊，有点难度的，课桌还好，形状颜色固定，可以用机器学习，估计效果不会差，书包就难了，face的话，如果把头部360度样子都要识别，那是有难度了，现在做的最好的也就是：多角度识别，可也没到包含头顶的全方位识别啊
[解决办法]推荐楼主阅读一本奇书：《皇帝新脑》
[解决办法]可以找一下开源的 人脸识别的 类库看看
[解决办法]比较简单的方法，先对图像做直方图均衡化，然后设置阈值、锐化处理等，最后做边缘检测。可以根据阈值的不同判别出不同的物体。
如果环境发生变化，要根据物体的光线反射程度做判断，如果是均匀的，对阈值设置一个加权值即可；如果不是均匀的，则需要你通过增加一些经验值。
第三点，其实是可以识别的，关键还是你在参数上的设置，当然精度一般不高，有个简单的类比，车牌识别的时候，有些摄像头在汽车的前方45-75度仰角处，一样可以做出识别。
[解决办法]忍不住说说,1 OpenCV识别效果不怎么样, 2 如果是商业应用, 如果选择自主研发, 就此作罢, 搞不定的. 3 看看能不能买到商业SDK, 4 找一流的科研所,如中科院模式识别实验室,看看有木有希望. 如果是学习,玩玩,据说SVM效果不错, 有个libsvm还可以用用,但是SVM对数学要求极高
