چارچوب تشخیص اشیا Viola-Jones اولین چارچوب تشخیص شی برای ارائه نرخ تشخیص شی رقابتی در زمان واقعی پیشنهاد شده در سال ۲۰۰۱ توسط پاول وی ولا و مایکل جونز می باشد. اگر چه می تواند برای تشخیص انواع کلاس های شییی آموزش داده شود، در درجه اول با مشکل تشخیص مواجه بود.
Robust - نرخ تشخیص بسیار بالا (نرخ مثبت واقعی) و نرخ بسیار کم مثبت اشتباه.
پردازش آنی - برای کاربردهای عملی حداقل 2 فریم در ثانیه باید پردازش شوند.
تشخیص چهره (غیر از شناخت) - هدف تمایز چهره از غیر چهره است. (تشخیص اولین گام در فرایند شناخت است.)
مسئله مورد نظر برای حل تشخیص چهره در یک تصویر است. انسان می تواند این کار را به آسانی انجام دهد، اما یک کامپیوتر نیاز به دستورالعمل های دقیق و محدودیت هایی دارد. برای مدیریت بیشتر امر،ویولا-جونز نیاز به تمام نمایی از صورت دارند. بنابراین برای شناسایی، کل چهره باید به سمت دوربین باشد و نباید به اظراف منحرف شود. در حالی که به نظر می رسد این محدودیت ها تا حدودی باعث کاهش کارایی الگوریتم می شوند، به این علت که مرحلهٔ تشخیص اغلب به دنبال مرحله شناختتاست، در عمل این محدودیت ها قابل قبول هستند.
ویژگی های الگوریتم Viola-Jones که آن را به یک الگوریتم تشخیص خوب می کند عبارتند از:
الگوریتم چهار مرحله دارد:
Robust - نرخ تشخیص بسیار بالا (نرخ مثبت واقعی) و نرخ بسیار کم مثبت اشتباه.
پردازش آنی - برای کاربردهای عملی حداقل 2 فریم در ثانیه باید پردازش شوند.
تشخیص چهره (غیر از شناخت) - هدف تمایز چهره از غیر چهره است. (تشخیص اولین گام در فرایند شناخت است.)
مسئله مورد نظر برای حل تشخیص چهره در یک تصویر است. انسان می تواند این کار را به آسانی انجام دهد، اما یک کامپیوتر نیاز به دستورالعمل های دقیق و محدودیت هایی دارد. برای مدیریت بیشتر امر،ویولا-جونز نیاز به تمام نمایی از صورت دارند. بنابراین برای شناسایی، کل چهره باید به سمت دوربین باشد و نباید به اظراف منحرف شود. در حالی که به نظر می رسد این محدودیت ها تا حدودی باعث کاهش کارایی الگوریتم می شوند، به این علت که مرحلهٔ تشخیص اغلب به دنبال مرحله شناختتاست، در عمل این محدودیت ها قابل قبول هستند.
ویژگی های الگوریتم Viola-Jones که آن را به یک الگوریتم تشخیص خوب می کند عبارتند از:
الگوریتم چهار مرحله دارد: