人脸检测特征-LBP特征
来源:互联网 发布:格拉夫红牌伏特加 知乎 编辑:程序博客网 时间:2024/06/13 12:34
LBP特征是用在纹理图像分析中的常用检测算子,LBP(local binary pattern)局部二值模型,简单的讲,该算子对一个局部3×3的区域进行变换,将局部区域中心像素和周围的8个像素点进行比较,如果周围的像素值大于中心的值,则设周围的像素点为1,否则为0,这样8个像素点可以就可以组成一个二进制序列,将该二进制的作为该局部区域中心的LBP值。然后再进行纹理分析,在实际的操作过程中,不一定仅仅用3×3局部区域进行LBP变换。
后来,LBP特征被用在了人脸检测与识别的过程中。将人脸分成N个矩形区域,对图像进行LBP变换,求出每个区域的LBP直方图,将这N个直方图拼接成一个新的直方图,并用该直方图的特征表示人脸的特征。Figure2描述了特征向量求出的详细过程
但是该方法易受到噪声的影响,图像的噪声一般不会出现很大的块状噪声,LBP特征是对局部3×3的像素点进行变换,如果我们用局部3×3的矩形进行变换,点噪声的问题就变的不明显,不会影响检测的性能。如figure3所示,求取每个矩形内的图像像素和做为矩形的特征值,将每个矩形的特征值与中心矩形的特征值进行比较,重新进行LBP编码,并将LBP编码做为该局部区域的特征值,利用boost学习算法,学习出一个分类器,便可以进行人脸检测和识别。
该特征相对于haar特征有以下优点:
一:不用进行光照归一化处理,因此也不用求取图像的方差,计算量小。
二:分类器文件占用的存储空间小,便于在嵌入式设备上存储。
三:计算过程简单,没有复杂的除法和特殊运算,便于硬件实现。
四:相对于haar特征,该特征检测的时间短,检测的实时性好。
- 人脸检测特征-LBP特征
- 【特征检测】LBP特征算法
- 简单opencv人脸检测代码:LBP/Haar特征
- 利用Adaboost和LBP特征进行人脸检测
- 人脸识别---LBP特征与高维LBP特征
- 目标检测之LBP特征
- LBP特征
- LBP特征
- LBP特征
- LBP特征
- LBP特征
- LBP特征
- LBP特征
- LBP特征
- LBP特征
- LBP特征
- LBP特征
- LBP特征
- 文件太大?来试试分卷压缩
- java import机制(不用IDE)
- 动态链接库(DLL)总结---简单使用(2)
- 10.30-11.6之所学
- Reactor VS Proactor 模式
- 人脸检测特征-LBP特征
- simhash_1
- js弹出层
- HDU - 1166 地兵布阵
- winapi->WSAGetOverlappedResult
- VBS自学(四)
- 利用Adaboost和Haar特征进行人脸检测
- HDU - 1754 I Hate It
- EhCache介绍