我正在研究 LBP 算法并产生另一个问题。在论文Face Detection and Verification using Local Binary Patterns中，Yann RODRIGUEZ（这是博士论文），在第 74 页（第 4.3.3 节提出的 LBP/MAP 人脸验证系统），作者提到
然后使用 LBP 算子处理裁剪后的人脸（N = 59 个标签）
和
对于 BANCA 实验，通用模型使用额外的图像集进行训练，称为世界数据（独立于客户端数据库中的主题）。
我的问题是： 1. 为什么标签的数量是 59？2.如何训练世界数据？
有人读过这篇文章吗？
OpenCV 已经有用于人脸检测的本地二进制模式级联，您可以在dataOpenCV 安装随附的文件夹中找到它。所以没有必要自己训练一个，至少在人脸检测方面是这样。看：
这与 Rodgriguez 在他的博士论文中使用的类似。论文中提到的数字 59 是由于Uniform Local Binary Patterns的数量，详细介绍见 Scholarpedia：
可用的 LBP 级联应该比可用的 Haar 级联更快，但真正的阳性率略低（这里没有引用，仅基于我的经验）。这也可能是由于训练集。
您可以像使用其他可用的级联一样使用它们，这里是 OpenCV Python 绑定的示例：
这是一个源代码片段，您还可以在其中看到如何在 OpenCV 中使用 CascadeClassifier：
您询问了用于人脸检测的局部二进制模式，这就是提到的博士论文的内容。使用局部二进制模式进行人脸识别有些相似，但您从局部二进制模式构建空间增强直方图，以对空间信息进行编码以进行人脸识别。我建议您阅读我的人脸识别指南中的本地二进制模式部分：