OpenCV開發筆記（五十五）：紅胖子8分鐘帶你深刻了解Haar、LBP特徵以及級聯分類器識別過程（圖文並茂+淺顯易懂+程序源碼）

若該文爲原創文章，未經容許不得轉載
原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客導航：http://www.javashuo.com/article/p-wxwjppoc-mo.html
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/106144767
各位讀者，知識無窮而人力有窮，要麼改需求，要麼找專業人士，要麼本身研究
紅胖子(紅模仿)的博文大全：開發技術集合（包含Qt實用技術、樹莓派、三維、OpenCV、OpenGL、ffmpeg、OSG、單片機、軟硬結合等等）持續更新中...（點擊傳送門）
OpenCV開發專欄（點擊傳送門）
上一篇：《OpenCV開發筆記（五十四）：紅胖子8分鐘帶你深刻了解Haar級聯分類器進行人臉檢測（圖文並茂+淺顯易懂+程序源碼）》
下一篇：持續補充中…

 

前言

  紅胖子來也！！！
  上一篇使用了Haar級聯分類器進行人臉識別，本篇章就瞭解Haar、LBP特徵以及理解分類器的識別過程。

 

Haar(哈爾特徵）

概述

  哈爾特徵（Haar-like features）是用於物體識別的一種數字圖像特徵。它們由於與哈爾小波轉換極爲類似而得名，是第一種即時的人臉檢測運算。
  哈爾特徵使用檢測窗口中指定位置的相鄰矩形，計算每個矩形的像素和並取其差值。而後用這些差值來對圖像的子區域進行分類。 例如，當前有一我的臉圖像集合。經過觀察能夠發現，眼睛的顏色要比兩頰的深。所以，用於人臉檢測的哈爾特徵是分別放置在眼睛和臉頰的兩個相鄰矩形。這些矩形的位置則經過相似於人臉圖像的外接矩形的檢測窗口進行定義。
  哈爾特徵最主要的優點是它的計算很是快速。使用一個稱爲積分圖的結構，任意尺寸的哈爾特徵能夠在常數時間內進行計算。
  Haar特徵分爲四類：邊緣特徵、線性特徵、中心特徵和對角線特徵，組合成特徵模板。

原理

  Harr特徵也成Haar-like特徵，是一種簡單且高效的圖像特徵，其基於矩形區域類似的強度差別性Haar小波。
  最原始的Haar-like特徵在2002年的《A general framework for object detection》提出，它定義了四個基本特徵結構，以下圖：
   
  在持續的發展中，又增長12種特徵，擴招到16種特徵：
  
  能夠將上圖每個特徵理解成爲一個窗口，這個窗口將在圖像中作步長爲1的滑動，最終遍歷整個圖像。
  在詳細講解級聯匹配以前，先附上一張圖片的轉換後的閾值灰度分佈圖：
  
  以下圖：
  
  能夠進一步增長特徵提取，增長強分類器以下圖：
  

 

級聯分類器、強分類器和弱分類器

• 級聯分類器：級聯分類器由n個強分類器（n >= 1，姑且把1算進去）
• 強分類器：強分類器由n個弱分類器（n >= 1，姑且把1算進去）
• 弱分類器：使用基本的一個特徵進行分類的

 

識別過程

  見圖：

 

LBP特徵

概述

  原始的LBP算子定義爲在3∗3的窗口內，以窗口中心像素爲閾值，將相鄰的8個像素的灰度值與其進行比較，若周圍像素值大於等於中心像素值，則該像素點的位置被標記爲1，不然爲0。這樣，3∗3鄰域內的8個點經比較可產生8位二進制數（一般轉換爲十進制數即LBP碼，共256種），即獲得該窗口中心像素點的LBP值，並用這個值來反映該區域的紋理信息。須要注意的是，LBP值是按照順時針方向組成的二進制數。

LPB原理

  LPB特徵匹配跟Haar類似，但又不一樣，以下：
  

LBP特徵的圓形化改進

  基本的 LBP算子的最大缺陷在於它只覆蓋了一個固定半徑範圍內的小區域，這顯然不能知足不一樣尺寸和頻率紋理的須要。爲了適應不一樣尺度的紋理特徵，並達到灰度和旋轉不變性的要求，Ojala等對 LBP 算子進行了改進，將 3×3鄰域擴展到任意鄰域，並用圓形鄰域代替了正方形鄰域，改進後的LBP算子容許在半徑爲 R 的圓形鄰域內有任意多個像素點。從而獲得了諸如半徑爲R的圓形區域內含有P個採樣點的LBP算子，稱爲Extended LBP，也叫Circular LBP。   以下圖：
  
  能夠採樣多個點（不限於8個），採樣的半徑能夠擴大，這個根據開發者設自身去調整優化，找到合適目標場景的。

原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客導航：http://www.javashuo.com/article/p-wxwjppoc-mo.html
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/106144767