0

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)

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?

4

1 回答 1

3

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:

于 2012-07-08T20:17:32.540 回答