1.opencv中LBPH算法

opencv中LBPH算法

       人脸识别技术旨在将待识别的源码人脸与数据库中的人脸进行匹配，类似于指纹识别。源码它与人脸检测不同，源码人脸检测是源码龙腾虎跃源码主图在图像中定位人脸，实现搜寻功能。源码从OpenCV2.4版本开始，源码引入了FaceRecognizer类，源码用于人脸识别，源码便于进行相关实验。源码

       LBP算子最初定义为在3*3窗口内，源码以中心像素为阈值，源码nssm源码比较周围8个像素的源码灰度值。若周围像素值大于或等于中心像素值，源码则标记为1，源码否则为0。源码3*3邻域内的envoyproxy 源码8个点经过比较，可产生8位二进制数，即LBP码（共种），反映该区域的纹理特征。

       原始LBP算子存在局限性，研究人员对其进行了改进和优化。源码tpl以下为几种改进方法：

       1.1 圆形LBP算子：将3*3邻域扩展到任意邻域，用圆形邻域代替正方形邻域，允许在半径为R的圆形邻域内有任意多个像素点。

       1.2 旋转不变模式：不断旋转圆形邻域得到一系列初始定义的LBP值，取最小值作为该邻域的源码72LBP值，实现旋转不变性。

       1.3 等价模式：Ojala提出采用“等价模式”来对LBP算子的模式种类进行降维，减少二进制模式的种类。

       2LBP特征用于检测的原理：LBP算子在每个像素点得到一个LBP编码，对图像提取LBP算子后，得到的原始LBP特征依然是“一幅”。实际应用中，一般采用LBP特征谱的统计直方图作为特征向量进行分类识别。

       3 LBPH人脸识别关键部分源码：以OpenCV2.4.9为例，LBPH类源码位于opencv2.4.9\sources\modules\contrib\src\facerec.cpp。LBPH使用圆形LBP算子，默认情况下，圆的半径为1，采样点P为8，x方向和y方向上的分区个数为8，即有8*8=个分区。相似度阈值小于该值时才会产生匹配结果。

       4 LBP人脸识别示例：示例代码中使用的人脸库是AT&T人脸库，共张人脸照片。示例程序中用一个CSV文件指明人脸数据库文件及标签，每一行包含一个文件名路径之后是其标签值，中间以分号分隔。