lbp介紹：
得到lbp影象後，將影象切割成7*7=49塊
之所以要切成49小塊，是為了保留空間資訊，比如眼睛的位置資訊、嘴巴的位置資訊等等。
對於每一小塊，統計其直方圖。注意，不需要統計0-255所有位置的直方圖，只需要對特定的58個位置進行統計：
之所以選擇這58個位置，是因為這些位置迴圈跳變不超過兩次：
00000000無跳變；
00000001跳變兩次：0到1,1到0
00000010跳變兩次；
00000110跳變兩次；.....
現在，每個小塊可以用乙個59維的向量來表示，前58維代表58個特定位置的直方圖，最後一維代表除了這58個位置以外，其它所有位置的直方圖的疊加。
如此一來，
一張人臉影象，就可以用49*59=2891個數值來表示，也就是說，乙個lbp特徵，就是乙個49*59的矩陣。
上圖為49*59大小，每一行有59個數，代表lbp影象乙個小塊的直方圖分布，從圖中可以看到，每一行的最後一列都很亮，因為那是59維向量的最後一維，代表除了前面58個位置以外，其它（256-58）個位置的直方圖的疊加。
在識別的時候，將檢測到的人臉的lbp特徵與註冊時儲存的lbp特徵進行比較，計算它們之間的卡方距離：
根據經驗設定乙個閾值，如果卡方距離小於這個閾值，則認為是同乙個人，否則不是。
總結：
1.先通過人臉檢測，獲取人臉區域；
2.將人臉區域縮放到100*100；
3.通過人臉影象，得到98*98的lbp影象；
4.將lbp影象切割成7*7=49個小塊，每個小塊為14*14的影象；
5.對每個小塊統計其直方圖，每個小塊用59維向量表示；
6.總共49個小塊，每個小塊用59維表示，那麼一張人臉影象就可以用乙個49*59的矩陣來表示；
7.人臉識別的時候，比較兩張人臉影象，其實是比較兩個49*59的矩陣，求這兩個矩陣的卡方距離，距離小於某個閾值，如1200，則認為是同乙個人。
參考資料：何金文--《融合可見光和近紅外影象的人臉識別研究》
基於opencv的人臉識別
1前言參考的是 這篇用的是dlib的對齊還加了mask。本文方法 人臉檢測 shiqiyu libfacedetection opencv提取ptr類 2 facedetect.h include include include include include facedetect dll.h us...
基於Opencv的人臉識別
要進行人臉的識別的訓練，首先我們要對openv中人臉識別類facerecognizer要有乙個了解，可以參考這個部落格對facerecognizer 有乙個了解 這個部落格對人臉的訓練解釋的很好，具體怎麼訓練可以閱讀這個部落格。關於人臉識別 我們有一下兩個步驟 1.利用pca變換的人臉識別，對人臉進...
基於Opencv的人臉識別
當在閱讀書籍opencv3時，偶遇人臉識別這一概念，通過網上查閱得知人臉識別是生物特徵識別的最新應用。在此書籍引導下，寫了乙個最基本的人臉識別 期間有乙個問題需要注意，再往工程目錄匯入xml檔案是注意不要導錯，應該是這兩個haarcascade frontalface alt.xml和haarcas...