lbph-algorithm

    3熱度

    1回答

    我創建了很多matlab本地二進制模式的實現,我對它們有點困惑。 Wikipedia解釋如何basic LBP作品: 1- Divide the examined window into cells (e.g. 16x16 pixels for each cell). 2- For each pixel in a cell, compare the pixel to each of its 8

    1熱度

    1回答

    我試圖讓一些C++代碼在我的Android設備上運行;然而,我遇到了我使用的Mat類型的一個小問題。我想轉換的代碼如下(第二個函數調用第一):CV_32SC1: static Mat histc_(const Mat& src, int minVal=0, int maxVal=255, bool normed=false) { Mat result; // Establi

    0熱度

    1回答

    MATLAB的內置函數用於計算來自計算機視覺工具箱的本地二進制模式,從而生成實數值。 該函數被命名爲:extractLBPFeatures() 我知道LBP的值是二進制的 - 它的名字是! 它是如何獲得實數值而不是二進制值?

    2熱度

    1回答

    我已經讀過LBP可以用於旋轉不變特徵檢測,比如here。這對我來說很直觀,因爲LBP正在有效地評估本地圖像紋理。不過,我已經在其他地方看過LBP 不能用這種方式使用。 Matlab教程here提到檢測器對「平面外旋轉」很敏感,但沒有提到平面內旋轉。 我的問題:級聯對象檢測器(使用LBP時)的Matlab實現是不變的平面內旋轉嗎? 謝謝!

    2熱度

    2回答

    我正在使用dlib庫從給定圖像中提取LBP均勻。 我正在使用下一個函數(http://dlib.net/dlib/image_transforms/lbp_abstract.h.html#extract_uniform_lbp_descriptors),但我不完全明白第三個參數(cell_size)的功能是什麼。在文檔中說下一個: 我們將採取所有直方圖元素的平方根。也就是說,#feats[i]是出

    0熱度

    1回答

    我想了解本地梯度模式它在Local gradient pattern - A novel feature representation for facial expression recognition中描述。 有計算像下方的像素的新值的示例: 我看到,中心像素的(即25)Pattern-1值爲10和Pattern-2值是01。我有幾個問題。 那個中心像素的新值是多少? LGP如何與LBP相關?

    0熱度

    2回答

    我試圖通過LBPH算法檢測並識別人臉。對於這一點,我想下面的例子: Mastering OpenCV Chapter 8 FaceRecognition 代碼運行併成功地適用於Eignefaces和費舍爾但是一旦LBPH算法承認給出了一個例外。我無法弄清楚。唯一的例外是: OpenCV Error: Bad argument (no parameter 'eigenvectors' is foun

    1熱度

    1回答

    我最近遇到了問題,其中python的滑雪映射中的本地二進制模式方法產生意想不到的結果。 看一看下面的卡通例子。它顯示在平坦的顏色背景上的兩個平面彩色圓圈。 的局部二元模式(P = 8個樣本,半徑= 1)的輸出是: (圖像是彩色噴氣顏色編碼)。灰色正確代表255. 但是,藍色是85(二進制01010101)。 因此,雖然該方法正確地顯示背景,右側的圓圈顯示爲255,但它顯示的左側圓圈爲85.顯然,s

    0熱度

    1回答

    我正在開發一個webapp,使用js-objectdetect庫進行對象檢測。 因此,我將opencv HAAR-cascades轉換爲所需的js-objectdetect格式,其格式爲python script。 我的問題是,如果有可能將opencv LBP-cascades轉換爲js-objectdetect格式。我需要這個,因爲我已經有一個opencv應用程序在使用,我需要使用相同的LBP級

    0熱度

    1回答

    我試圖實現原始和圓形Local Binary Pattern(LBP)與統一模式映射的人臉識別應用程序。 到目前爲止,我已經完成了LBP描述符提取和空間直方圖構建步驟。現在我必須處理面部分類和識別階段。正如本主題中的original paper所表明的那樣,最簡單的分類器使用卡方統計量作爲2幅面部圖像的2個直方圖之間的差異度量。該公式看似簡單,但我不知道如何分類2個直方圖是基於卡方差異度量的結果值