私は LBP アルゴリズムを研究しており、別の質問を生成しています。Yann RODRIGUEZの論文Face Detection and Verification using Local Binary Patterns (博士論文) の 74 ページ (セクション 4.3.3 The Proposed LBP/MAP Face Verification System) で、著者は次のように述べています。
トリミングされた顔は、LBP オペレーター (N = 59 ラベル) で処理されます。
と
BANCA の実験では、汎用モデルは、ワールド データと呼ばれる追加の画像セットを使用してトレーニングされました (クライアント データベース内の被験者とは無関係です)。
私の質問は次のとおりです。 1. なぜラベルの数が 59 なのですか? 2.世界のデータを訓練する方法は？
この記事を読んだことのある人はいますか？
OpenCV には、顔検出用の Local Binary Patterns Cascades が既にあります。これdataは、OpenCV インストールに付属のフォルダーにあります。したがって、少なくとも顔検出については、自分でトレーニングする必要はありません。見る：
これは、ロドグリゲスが博士論文で使用したものと似ています。この論文で言及されている 59 という数字は、Uniform Local Binary Patternsの数によるものです。完全な紹介については、Scholarpedia を参照してください。
利用可能な LBP カスケードは、利用可能な Haar Cascades よりも速く顕著になるはずですが、True Positive Rate はわずかに低くなります (ここでは引用せず、私の経験にのみ基づいています)。これは、トレーニング セットが原因である可能性もあります。
他の利用可能なカスケードと同じように使用します。OpenCV Python バインディングの例を次に示します。
OpenCV で CascadeClassifier を使用する方法も示すソース コード スニペットを次に示します。
あなたは顔検出のためのローカル バイナリ パターンについて尋ねましたが、これは言及された博士論文の内容です。ローカル バイナリ パターンを使用した顔認識はいくぶん似ていますが、顔認識用の空間情報をエンコードするために、ローカル バイナリ パターンから空間的に強化されたヒストグラムを作成します。私の顔認識ガイドのローカル バイナリ パターンの部分を読むことをお勧めします。