问题标签 [lbph-algorithm]

我已经看到 OpenCV 提供了一个基于 LBP直方图的分类器：

但我想访问 LBP 直方图本身。例如：

在 OpenCV 中是否有任何功能可以执行此操作？

我尝试通过LBPH算法检测和识别人脸。为此，我尝试了以下示例：

掌握OpenCV第8章人脸识别

该代码在Eignefaces和Fisherfaces 上运行并成功运行，但在识别LBPH 算法时出现异常。我想不通。例外是：

在第 882 行中，

在导致异常的以下行之后调用上述行

那么，我做错了什么？请高手来救我。谢谢

是否可以从内存或字符串而不是从保存的文件中加载 FaceRecognizer 的模型。API 文档没有显示“FromString 或 Buffer”版本。

当前代码从文件加载：

一些更多的背景。预设模型存储在 S3 中。我不想从 S3 检索然后保存到磁盘以便使用。我宁愿直接从 s3 加载到模型中，或者将 xml 字符串/文档加载到模型中。

我正在尝试使用用于人脸识别应用程序的统一模式映射来实现原始和循环的局部二进制模式(LBP)。

到目前为止，我已经完成了 LBP 描述符提取和空间直方图构建步骤。现在我必须在人脸分类和识别阶段工作。正如该主题的原始论文所暗示的，最简单的分类器使用卡方统计量作为 2 张人脸图像的 2 个直方图之间的差异度量。该公式看起来很简单，但我不知道如何根据卡方相异性度量的结果值将 2 个直方图分类为同一人脸或不同人脸的表示。所以我的问题是：我可以用作相同面孔和不同面孔之间的边界线的最佳阈值是多少？我如何确定该值？

我在互联网上遇到了一些源代码，他们将 LBP 阈值设置为 180.0。我不知道这个值是从哪里来的。

我将不胜感激您的帮助。感谢您的阅读。

我用matlab创建了很多本地二进制模式的实现，我对它们有点困惑。

维基百科解释了基本的 LBP是如何工作的：

看看这个算法，我可以得出结论，每个 LBP 特征向量都有 num_cels*256 个维度，其中 num_cels 是图像的 16x16 像素单元的数量。每个单元格将有 256 个可能的值（0 到 255），因此特征向量的大小可以变化很大。

但是，查看一些 LBP 实现，VLFEAT_LBP返回一个矩阵而不是特征向量。在这个实现中，LBP 作为 256 个特征向量返回，我认为（不确定）是所有单元格的所有直方图的总和。我只想知道：这是经典的LBP解释和matlab源代码。

我需要一些关于基于 LBP 的人脸检测的帮助，这就是我写这篇文章的原因。

我有以下与 OpenCV 上实现的人脸检测相关的问题：

1. 在 lbpCascade_frontal_face.xml（来自 opencv）中：什么是 internalNodes、leafValues、tree、features 等？我知道他们在算法中使用。但我不明白他们每个人的含义。例如，为什么我们在特定阶段采用特定功能而不是其他功能？我们如何决定选择哪个功能/节点？

2. LBP_frontal_face_classifier.xml 中的特征值是什么？我知道它们是 4 个整数的向量。但是我应该如何使用这些功能呢？我认为阶段 0 访问第一个功能，但访问不是这种模式。此功能的访问模式是什么？

3. 文献中的所有论文仅提供高级概述。他们的描述主要包括来自邻域像素的 LBP 计算。但是这个 LBP 值如何用于分类器中的那些元素呢？

4. 积分图像如何帮助计算像素的 LBP 值？我知道如何使用 HAAR。我需要了解 LBP。

我读了一些论文，文章。但是没有一个清楚地描述基于 LBP 的人脸检测的工作原理或算法的详细信息。如果有人想自己开发人脸检测程序，他应该遵循哪些步骤——没有文档描述过。

如果可以的话，请帮助我。我将感激不尽。

我有 Kinect 捕获的 CurtinFaces 数据集。我想在深度图像上应用 LBP 和 3DLBP（与这项工作相同）。LBP 和 3DLBP 在 8 位深度图像上工作（参见论文中的图 2），但 Kinect 深度图像以双格式（16 位）存储。这是我的深度+RGB图像。我已将 500..1500 到 0..255 之间的深度值缩放以获得 8 位深度图像。这是用于缩放的代码：

这是我的结果：

我已经缩放了所有深度图像，然后在它们上应用了 LBP。人脸分类后，结果异常（35%）！所以，我想知道如何将 Kinect 深度图像缩放到 8 位，以便在其上应用 LBP 是否合适？

提前致谢。

我想用FS-LBP的方法做运动估计，但是我需要找到NNMN。我不明白⊗符号。这个公式是 NNMN(m, n) =∑∑LBPt(i,j) ⊗ LBPt−1(i + m, j + n)。− s ≤ m, n ≤ s − 1 LBPt 是当前图像。LBPt-1 是参考图像帧（上一个图像）。其中 LBPt 和 LBPt-1 分别是当前帧和参考帧的 LBP 变换，s 是搜索范围。NNMN 捕获当前帧和参考帧中宏块中心像素周围的不匹配邻居数

我想使用 LBP 和 SVM 创建一个实时情绪识别程序。在人脸检测过程之后，我将捕获的图像转换为 32x32 像素的灰度图像。我很难为我的 LBP 创建和显示直方图（我使用简单的、未插值的 LBP）。到目前为止，我得到的是实时显示生成的 LBP 图像。

阿霍宁等。al 的论文指出

将 LBP 图像划分为 m 个局部区域，并从每个（区域）中提取一个直方图

我们如何确定 m 个局部区域的数量？

我一直试图在这里和这里寻找答案 ，但我无法理解。我在这里看到了 berak 关于空间直方图的工作，我仍然很困惑。有人可以逐步教我吗（是的，我是新手：/）。我真的需要计算和显示直方图，如第 14 页所示。

可能我应该在这里展示我凌乱的代码。

显然我不能发布我的截图，因为我没有足够的声望点:(

我正在使用带有 MATLAB 的LBP来提取特征，但精度太低

如何减少 LBP 中的特征箱？

非常感谢。