我一直在 OpenCV（开源计算机视觉库）中尝试人脸检测，发现可以使用 Haar 级联来检测人脸，因为 OpenCV 提供了几种人脸。但是，我注意到还有几个 LBP 级联。经过一番研究，我发现 LBP 代表 Local Binary Patterns，根据OpenCV 人脸检测文档，它也可以用于人脸检测。
我想知道的是，哪个效果更好？哪一个执行得更快，哪一个更准确？似乎 LBP 执行得更快，但我也不是 100% 确定这一点。谢谢。
问问题
54913 次
5 回答
70
LBP 更快（快几倍）但不太准确。（比 Haar 少 10-20%）。
如果要在嵌入式系统上检测人脸，LBP 是默认选择，因为它以整数进行计算。
Haar 使用浮点数进行处理，对嵌入式和移动处理器的支持较差；结果，性能损失是显着的——大到足以使其在手机上的使用变得不切实际。
于 2012-01-09T16:43:44.920 回答
28
可以训练 LBP 级联以执行与 Haar 级联相似（或更好）的性能，但开箱即用，Haar 级联慢约 3 倍，并且根据您的数据，在准确检测一张脸。鉴于人脸检测可以在 95% 以上的准确度范围内运行，这种准确度的提高非常显着。
以下是使用MUCT数据集时的一些结果。
当 ground-truth 和 OpenCV 检测到的坐标之间至少有 50% 的重叠时，就会注意到正确的检测。
Cascade:haarcascade_frontalface_alt2.xml
Datafile:muct.csv
|---------------------------------------------------|
| Hits | Misses | False Detects | Multi-hit |
| 3635 | 55 | 63 | 5 |
|---------------------------------------------------|
Time:4m2.060s
与：
Cascade:lbpcascade_frontalface.xml
Datafile:muct.csv
|---------------------------------------------------|
| Hits | Misses | False Detects | Multi-hit |
| 3569 | 106 | 77 | 3 |
|---------------------------------------------------|
Time:1m12.511s
于 2014-05-23T19:28:26.300 回答
14
我个人的观点是，你应该为所有检测相关任务研究 LBP，因为 LBP 训练可能需要几分钟，而 HAAR 训练可能需要几天时间来处理相同的训练数据集和参数。
您提出的问题将具有不同的性能，具体取决于被检测事物的类型、训练设置和检测期间使用的参数以及测试级联的标准。
HAAR 和 LBP 级联的准确性取决于用于训练它们的数据集（正样本和负样本）以及训练期间使用的参数。
根据Lienhart 等人，2002 年，在人脸检测的情况下：
- 您的
-numStages,-maxDepth和-maxWeakCount参数应该足够高以实现所需的-minHitRate和-maxFalseAlarmRate。 - 基于树的训练比基于树桩的训练更准确，
- 温和的 adaboost 优于离散和真实的 adaboost，
- 训练样本的最小大小很重要，但尚未对其进行系统研究。
此外，detectMultiScale() 中使用的标志会在给定硬件配置上产生速度和准确性的巨大变化。
为了测试级联，您应该选择一个数据集和一种方法，例如 k-fold cross validation。
于 2013-11-23T11:05:24.903 回答
7
此外，在训练阶段，LBP 比 Haar 更快。使用 2000 个 pos 样本和 300 个 neg 样本，使用 Haar 类型进行训练，大约需要 5-6 天才能完成，但使用 LBP，只需要几个小时。
于 2013-06-02T00:32:03.073 回答