openCV+ASM+LBP+Gabor实现人脸识别(GT人脸库)
来源:互联网 发布:网络棋牌代理犯法吗? 编辑:程序博客网 时间:2024/06/15 03:00
原理:使用GT人脸库做样本,VS2010下使用openCV2.44自带的Haar算法检测人脸区域,ASM Library特征检测,然后使用YCrCb颜色空间做肤色检测,再用LBP+Gabor小波提取特征,最小邻近距离做分类识别。
1、GT人脸库
Georgia Tech face database,网址:http://www.anefian.com/research/face_reco.htm
GT人脸库包含50个人,每人15张不同角度、不同表情的正面照片。
图片为JPG格式,640*480,大小在159~192KB之间。Zip压缩下总大小130M。
特点是数据量比较多,每个人的图像信息丰富多变,相对也比较其他库难以识别。
2、openCV人脸区域检测
pFaces = cvHaarDetectObjects(pic8, g_FDcascade, g_FDstorage,1.1,3,0 |//CV_HAAR_DO_CANNY_PRUNING|//CV_HAAR_FIND_BIGGEST_OBJECT|CV_HAAR_DO_ROUGH_SEARCH|CV_HAAR_SCALE_IMAGE | 0,cvSize(20, 20));
以下几个图片在CV_HAAR_DO_CANNY_PRUNING | CV_HAAR_FIND_BIGGEST_OBJECT(识别最大的人脸区域)下识别不出来:
s05_07.jpg // 可以在CV_HAAR_DO_ROUGH_SEARCH | CV_HAAR_SCALE_IMAGE(识别所有的人脸区域)下识别,见下图
s24_03.jpg // 无法识别
s32_06.jpg // 无法识别
s32_14.jpg // 识别错误
s43_14.jpg // 识别错误
可见openCV的检测率还是很高的(745/750 = 99.33%)。
s05_07.jpg
s01_01.jpg
3、ASMLibrary特征检测
ASM Library是国人的作品,https://code.google.com/p/asmlibrary/
#define FDFN"haarcascade_frontalface_alt2.xml"#define ASMFN"AsmModel.amf"g_AsmFit.Read(ASMFN));g_FDcascade = (CvHaarClassifierCascade*)cvLoad(FDFN, 0, 0, 0);
g_detshape[0].x = float(g_faceRc.x);g_detshape[0].y = float(g_faceRc.y);g_detshape[1].x = float(g_faceRc.x+g_faceRc.width);g_detshape[1].y = float(g_faceRc.y+g_faceRc.height);InitShapeFromDetBox(g_shape, g_detshape,g_AsmFit.GetMappingDetShape(), g_AsmFit.GetMeanFaceWidth());g_AsmFit.Fitting(g_shape, picCopy); // fit ASM model
识别以后,提取人脸区域。
4、YCrCb颜色空间做肤色检测
for (int w=0; w<src->width; w++) { if (pycrcb[Cr]>=133&&pycrcb[Cr]<=173&&pycrcb[Cb]>=77&&pycrcb[Cb]<=127) { SkinCount++; } pycrcb+=3; psrc+=3; }
按照肤色判断公式检查区域内的肤色像素,按照阈值为0.2判断是否为人脸区域,
再进一步规范化并获取人脸特征。
s05_07提取的人脸特征灰度图
s01_01提取的人脸特征灰度图
5、LBP+Gabor小波
LBP见:http://baike.baidu.com/view/1099358.htm?fr=aladdinGabor见:http://en.wikipedia.org/wiki/Gabor_filter
Complex
Real
Imaginary
where
and
简单的说就是使用Gabor变换在0~4五个尺度,0~8八个邻域方向对前面提取的人脸灰度图做卷积运算。然后提取灰度直方图作为特征。
tmpV0 = tmpV * exp(-tmpV * (x*x + y*y) / 2.0);tmpV1 = k*cos(phi)*x + k*sin(phi)*y;cvmSet( re, y+kernelRadius, x+kernelRadius, tmpV0 * cos(tmpV1) );cvmSet( im, y+kernelRadius, x+kernelRadius, tmpV0 * sin(tmpV1) );/* G{scale_idx,angle_idx} = k^2/sigma^2 * exp(-k^2*(X.^2+Y.^2)/2/sigma^2)....*(exp(1i*(k*cos(phi)*X+k*sin(phi)*Y) - DC)); */
6、最小邻近距离
最后使用最小邻近距离,判断 待检测图片与样本的距离,最小的即为匹配的样本。
7、几点总结
1、速度:训练大概是0.16s一幅,识别大概是0.35s一幅。速度有点慢。
2、识别率:一组测试采用5个人每人5个图片作为样本,测试每个人另外5张照片。
例如s01-s05,使用每人前5张照片(共25张)训练,中间或最后5张照片(共25张)作为待识别图片,识别率均为92%(23张)。
- openCV+ASM+LBP+Gabor实现人脸识别(GT人脸库)
- 人脸识别特征提取(LBP)及其opencv实现
- LBP(局部二值模式)实现人脸识别
- LBP及其实现的人脸识别
- LBP人脸识别的python实现
- 人脸识别LBP的MATLAB实现
- LBP人脸识别
- LBP人脸识别
- 基于 OpenCV 的 LBP + SVM 人脸识别
- 【OpenCV人脸识别入门教程之四】LBP人脸识别
- 人脸识别算法-LBP算法及python实现
- OpenCV实现Gabor滤波
- gabor滤波器 opencv 实现
- Gabor特征的人脸识别(草稿)
- 人脸识别之人脸检测(七)--LBP特征原理及实现
- 人脸识别经典算法实现(三)——LBP算法
- gabor在人脸识别中的应用
- Gabor在人脸识别中的应用
- C++ list模板类介绍
- Ubuntu 安装 Vmware Tools
- Spring MVC on JBoss 7.1 final
- vs2010+opencv2.4.3配置
- 公司的公鹤顶红得房价的发挥
- openCV+ASM+LBP+Gabor实现人脸识别(GT人脸库)
- JDBC中的Statement和PreparedStatement的区别
- vc6.0连接静态链接库
- 项目ITP(六) spring4.0 整合 Quartz 实现动态任务调度
- 排序算法之堆排序
- ios开发小项目——新浪微博(一)——OAuth认证
- 要空间多便宜的事情
- linux新手学习笔记1
- 数据源和连接池