人臉識(shí)別課件

人臉識(shí)別--LBP周稻祥人臉識(shí)別--LBP周稻祥

Contents參考文獻(xiàn)改進(jìn)的LBP算法原始的LBP算法實(shí)驗(yàn)、評(píng)估結(jié)果簡(jiǎn)介Contents參考文

簡(jiǎn)介&研究現(xiàn)狀LBP是英文LocalBinaryPattern，即局部二進(jìn)制模式。此算法是比較簡(jiǎn)單的，卻又是十分高效的圖片特征分析算法。具有如下特性：（1）對(duì)單調(diào)的灰度變換具有不變性（2）對(duì)光照不敏感（3）計(jì)算時(shí)間短（4）非常高的判別率簡(jiǎn)介&研究現(xiàn)狀LBP是英文簡(jiǎn)介&研究現(xiàn)狀年度命中數(shù)LBP研究趨勢(shì)萬(wàn)方數(shù)據(jù)知識(shí)服務(wù)平臺(tái)廣泛應(yīng)用于：（1）紋理分類、分割、恢復(fù)、合成、檢索（3）工業(yè)檢測(cè)，如金屬表面檢測(cè)（3）場(chǎng)景分析（4）人臉圖像分析等等簡(jiǎn)介&研究現(xiàn)狀年度命

Contents參考文獻(xiàn)改進(jìn)的LBP算法原始的LBP算法實(shí)驗(yàn)、評(píng)估結(jié)果簡(jiǎn)介Contents參考文

原始LBP紋理是圖像分析中常用的概念，它是由于物體表面物理屬性不同所引起的能表示某個(gè)特定表面特征的灰度或者顏色信息。一般來(lái)說(shuō)可以認(rèn)為紋理是由許多相互接近的、相互編制的元素構(gòu)成，所以直觀來(lái)說(shuō)紋理描述可提供圖像區(qū)域的平滑、稀疏、規(guī)則性等特性。反映在圖像上，紋理表現(xiàn)為亮度、顏色的變化。與圖像其他特征(顏色，形狀，空間結(jié)構(gòu)等)相比，紋理反映了圖像灰度模式的空間分布，包含了圖像的表面信息以及與周圍環(huán)境的關(guān)系，更好地兼顧了圖像的宏觀信息和微觀結(jié)構(gòu)。原始LBP紋理是圖像分析中常

原始LBP原始LBP

原始LBP基本定義：一個(gè)局部區(qū)域的紋理分布可假設(shè)為局部區(qū)域內(nèi)像素灰度的聯(lián)合分布：

在不損失信息的前提下，如果將中心點(diǎn)的值從鄰與像素的灰度中減去則局部紋理可用中心點(diǎn)和中心點(diǎn)與周圍像素的差的聯(lián)合分布表示：若假設(shè)與獨(dú)立：原始LBP基本定義：一個(gè)局部

原始LBP

差值的分布具有灰度平移不變性，即所以像素加上某個(gè)值其表征的紋理不變

但是當(dāng)所有像素值同時(shí)放大倍速時(shí)，紋理有變化，故只考慮差值的符號(hào)：得到一個(gè)8位二進(jìn)制數(shù)，進(jìn)行加權(quán)求和，得到一個(gè)值，這個(gè)值描述了以為中心的局部區(qū)域紋理：局部區(qū)域得灰度分布或紋理可以用LBP模式近似得描述為：從上述定義可以看出LBP算子對(duì)于任何單調(diào)的灰度變化具有魯棒性，只要像素的位置不變則LBP算子所得值就會(huì)不變。原始LBP差值的分布具有

原始LBP(LBP算子)

原始LBP(LBP算子)

原始LBPLBP算子原始LBPLBP算子

原始LBP直方圖(Histogram):原始LBP直方圖(Histo

原始LBP缺點(diǎn)：與鄰域像素的關(guān)聯(lián)度不夠全面，只覆蓋了8個(gè)鄰域像素這樣小范圍的區(qū)域，不能全面精確抓住主要的特征。原始LBP缺點(diǎn)：

Contents參考文獻(xiàn)改進(jìn)的LBP算法原始的LBP算法實(shí)驗(yàn)、評(píng)估結(jié)果簡(jiǎn)介Contents參考文

改進(jìn)LBPMulti-ScaleLBP：雙線性插值2^P種模式改進(jìn)LBPMulti-Sca

改進(jìn)LBP均勻(Uniform)LBP：二進(jìn)制碼，0、1變化少于等于兩次的二進(jìn)制碼稱為是一個(gè)uniformLBP比如說(shuō)圖中的11000011，0、1變化次數(shù)是兩次。就是一個(gè)uniformLBP00000000(0transitions),01110000(2transitions)11001111(2transitions)areuniformwhereasthepatterns11001001(4transitions),01010011(6transitions)arenot.改進(jìn)LBP均勻(Unifor

改進(jìn)LBP（1）通過低通濾波的方法可以提高均勻模式在占的比例（2)通過高斯濾波后，再計(jì)算LBP，均勻模式在占的比例可達(dá)90%均勻模式代表了圖像的邊緣等關(guān)鍵模式，利用這些均勻模式和混合模式的直方圖，可提取更能代表圖像的本質(zhì)特征。(3)減少高頻噪聲帶來(lái)的影響TimoOjala等研究發(fā)現(xiàn)均勻模式占整個(gè)模式的很大的比例約90%(8,1),70%(16,2)在圖(a),(b),(c)中均勻模式占總模式的百分比分別為88%，93%和76%改進(jìn)LBP（1）通過低通濾波

改進(jìn)LBP模式種類由2^P種降到了P(P-1)+2+1改進(jìn)LBP模式種類由

改進(jìn)LBP旋轉(zhuǎn)不變LBP(RotationI)：改進(jìn)LBP旋轉(zhuǎn)不變LBP(R

改進(jìn)LBP當(dāng)P=8時(shí)，僅有36種旋轉(zhuǎn)不變模式8910111213….3660108188352632….改進(jìn)LBP當(dāng)P=8時(shí)，僅有3

改進(jìn)LBP25595190,125,250,245,235,215,175,2346,92,184,113,226,197,139,1122,44,88,176,97,194,133,127191,223,239,247,251,254,253111222,189,123,246,237,219,183,3978,156,57,114,228,201,147,1938,76,152,49,98,196,137,63126,252,243,249,231,207,159119238,221,187,29142,71,58,116,232,209,163,2570,140,35,50,100,200,145,3162,124,248,241,227,199,1434794,188,121,242,229,203,151,2754,108,216,177,99,198,141,13134,67,26,52,104,208,161,1530,60,120,240,225,195,13561158,79,122,244,233,211,167,4386,172,89,178,101,202,149,2142,84,168,81,162,69,138,714,28,56,112,224,193,13155110,220,185,115,230,205,155,45150,75,90,180,105,210,165,3774,148,41,82,164,73,146,36,12,24,48,96,192,129,87174,93,186,117,234,213,171,51102,204,153,510,20,40,80,160,65,130,12,4,8,16,32,64,12859206,157,103,118,236,217,179,53166,77,154,83,106,212,169,918,36,72,144,33,66,132,091182,109,218,181,107,214,173,85170,1734,68,136,改進(jìn)LBP25595190,

改進(jìn)LBPriU2LBP：P+2種模式改進(jìn)LBPriU2LBP：

Contents參考文獻(xiàn)改進(jìn)的LBP算法原始的LBP算法實(shí)驗(yàn)、評(píng)估結(jié)果簡(jiǎn)介Contents參考文

人臉識(shí)別人臉識(shí)別

人臉識(shí)別人臉識(shí)別

人臉識(shí)別全局的LBP之所以能夠成功的被應(yīng)用到紋理分析是因?yàn)椋合鄬?duì)而言，標(biāo)準(zhǔn)的紋理圖像變化少（光照，角度等）所以全局LBP直方圖更加的穩(wěn)定而人臉圖像的變化就比較的大。所以全局LBP不太適合直接用于人臉圖像的分析。將人臉分為不同的幾個(gè)區(qū)域：2004年TimoAhonen在ComputerVision-ECCV2004(495)Facerecognitionwithlocalbinarypatterns把LBP引入了人臉識(shí)別的研究人臉識(shí)別全局的LBP之所以能

人臉識(shí)別直方圖連結(jié)：人臉識(shí)別直方圖連結(jié)：

人臉識(shí)別人臉識(shí)別

人臉識(shí)別從圖中可以看出在小區(qū)域內(nèi)圖像的變化要比整個(gè)圖像要小，直方圖的起伏也不是很大，趨于均勻。人臉識(shí)別從圖中可以看出在小區(qū)

人臉識(shí)別空間關(guān)系人臉識(shí)別空間關(guān)系

人臉識(shí)別人臉識(shí)別

人臉識(shí)別人臉識(shí)別

人臉識(shí)別可以看出空間關(guān)系的一定保持對(duì)于人臉圖像識(shí)別還是必須的人臉識(shí)別可以看出空間關(guān)系的一

度量方法相似性度量方法：當(dāng)樣本點(diǎn)大時(shí)，對(duì)數(shù)似然統(tǒng)計(jì)法取得良好的效果，但是當(dāng)樣本點(diǎn)較小時(shí)，直方圖相交和卡方概率統(tǒng)計(jì)更有效、穩(wěn)定：度量方法相似性度量方法：

人臉識(shí)別To?ndtheweightsWjfortheweightedχ2statisticatrainingsetwasclassi?edusingonlyoneofthewindowsatatime.Therecognitionratesofcorrespondingwindowsontheleftandrighthalfofthefacewereaveraged.Then：windowswhoseratelaybelowthe0.2percentileoftheratesgotweight0windowswhoseratelayabovethe0.8and0.9percentilegotweights2.0and4.0Theotherwindowsgotweight1.0.人臉識(shí)別To?ndthe

度量方法度量方法

實(shí)驗(yàn)效果實(shí)驗(yàn)效果

實(shí)驗(yàn)效果實(shí)驗(yàn)效果

實(shí)驗(yàn)效果實(shí)驗(yàn)效果

實(shí)驗(yàn)實(shí)驗(yàn)

FRFR

FRFR

參考文獻(xiàn)[3]ComputerVision-ECCV2004(495)Facerecognitionwithlocalbinarypatterns[2]Multiresolutiongray-scaleandrotationInvariantTextureClassificationwithLocalBinaryPatterns[2002PAMI][7]AcomparativestudyonlocalbinarypatternLBPbasedFRLBPhistogramversusLBPImage[2013Neurocomputing][10]基于LBP的人臉識(shí)別研究，黃非非，重慶大學(xué)[9]基于LBP的特征提取研究，王玲，北京交通大學(xué)[1]Acomparativestudyoftexturemeasureswithclassificationbasedonfeatureddistributions[1996PR][5]Rotation-InvariantImageandVideoDescriptionWithLocalBinaryPatternFeatures[2011ITIP][4]FacedescriptionwithlocalbinarypatternsApplicationtofacerecognition[2006PAMI][6]Ontherecentuseoflocalbinarypatternsforfaceauthentication[2006IJIVPSIFIP][8]Localbinarypatternsanditsapplicationtofacialimageanalysisasurvey[2011ITSMCPartC][11]基于局部二值模式的人臉識(shí)別方法研究，周凱，中南大學(xué)參考文獻(xiàn)[3]ComputThankYou!ThankYou!人臉識(shí)別--LBP周稻祥人臉識(shí)別--LBP周稻祥

Contents參考文獻(xiàn)改進(jìn)的LBP算法原始的LBP算法實(shí)驗(yàn)、評(píng)估結(jié)果簡(jiǎn)介Contents參考文

簡(jiǎn)介&研究現(xiàn)狀LBP是英文LocalBinaryPattern，即局部二進(jìn)制模式。此算法是比較簡(jiǎn)單的，卻又是十分高效的圖片特征分析算法。具有如下特性：（1）對(duì)單調(diào)的灰度變換具有不變性（2）對(duì)光照不敏感（3）計(jì)算時(shí)間短（4）非常高的判別率簡(jiǎn)介&研究現(xiàn)狀LBP是英文簡(jiǎn)介&研究現(xiàn)狀年度命中數(shù)LBP研究趨勢(shì)萬(wàn)方數(shù)據(jù)知識(shí)服務(wù)平臺(tái)廣泛應(yīng)用于：（1）紋理分類、分割、恢復(fù)、合成、檢索（3）工業(yè)檢測(cè)，如金屬表面檢測(cè)（3）場(chǎng)景分析（4）人臉圖像分析等等簡(jiǎn)介&研究現(xiàn)狀年度命

Contents參考文獻(xiàn)改進(jìn)的LBP算法原始的LBP算法實(shí)驗(yàn)、評(píng)估結(jié)果簡(jiǎn)介Contents參考文

原始LBP紋理是圖像分析中常用的概念，它是由于物體表面物理屬性不同所引起的能表示某個(gè)特定表面特征的灰度或者顏色信息。一般來(lái)說(shuō)可以認(rèn)為紋理是由許多相互接近的、相互編制的元素構(gòu)成，所以直觀來(lái)說(shuō)紋理描述可提供圖像區(qū)域的平滑、稀疏、規(guī)則性等特性。反映在圖像上，紋理表現(xiàn)為亮度、顏色的變化。與圖像其他特征(顏色，形狀，空間結(jié)構(gòu)等)相比，紋理反映了圖像灰度模式的空間分布，包含了圖像的表面信息以及與周圍環(huán)境的關(guān)系，更好地兼顧了圖像的宏觀信息和微觀結(jié)構(gòu)。原始LBP紋理是圖像分析中常

原始LBP原始LBP

原始LBP基本定義：一個(gè)局部區(qū)域的紋理分布可假設(shè)為局部區(qū)域內(nèi)像素灰度的聯(lián)合分布：

在不損失信息的前提下，如果將中心點(diǎn)的值從鄰與像素的灰度中減去則局部紋理可用中心點(diǎn)和中心點(diǎn)與周圍像素的差的聯(lián)合分布表示：若假設(shè)與獨(dú)立：原始LBP基本定義：一個(gè)局部

原始LBP

差值的分布具有灰度平移不變性，即所以像素加上某個(gè)值其表征的紋理不變

但是當(dāng)所有像素值同時(shí)放大倍速時(shí)，紋理有變化，故只考慮差值的符號(hào)：得到一個(gè)8位二進(jìn)制數(shù)，進(jìn)行加權(quán)求和，得到一個(gè)值，這個(gè)值描述了以為中心的局部區(qū)域紋理：局部區(qū)域得灰度分布或紋理可以用LBP模式近似得描述為：從上述定義可以看出LBP算子對(duì)于任何單調(diào)的灰度變化具有魯棒性，只要像素的位置不變則LBP算子所得值就會(huì)不變。原始LBP差值的分布具有

原始LBP(LBP算子)

原始LBP(LBP算子)

原始LBPLBP算子原始LBPLBP算子

原始LBP直方圖(Histogram):原始LBP直方圖(Histo

原始LBP缺點(diǎn)：與鄰域像素的關(guān)聯(lián)度不夠全面，只覆蓋了8個(gè)鄰域像素這樣小范圍的區(qū)域，不能全面精確抓住主要的特征。原始LBP缺點(diǎn)：

Contents參考文獻(xiàn)改進(jìn)的LBP算法原始的LBP算法實(shí)驗(yàn)、評(píng)估結(jié)果簡(jiǎn)介Contents參考文

改進(jìn)LBPMulti-ScaleLBP：雙線性插值2^P種模式改進(jìn)LBPMulti-Sca

改進(jìn)LBP均勻(Uniform)LBP：二進(jìn)制碼，0、1變化少于等于兩次的二進(jìn)制碼稱為是一個(gè)uniformLBP比如說(shuō)圖中的11000011，0、1變化次數(shù)是兩次。就是一個(gè)uniformLBP00000000(0transitions),01110000(2transitions)11001111(2transitions)areuniformwhereasthepatterns11001001(4transitions),01010011(6transitions)arenot.改進(jìn)LBP均勻(Unifor

改進(jìn)LBP（1）通過低通濾波的方法可以提高均勻模式在占的比例（2)通過高斯濾波后，再計(jì)算LBP，均勻模式在占的比例可達(dá)90%均勻模式代表了圖像的邊緣等關(guān)鍵模式，利用這些均勻模式和混合模式的直方圖，可提取更能代表圖像的本質(zhì)特征。(3)減少高頻噪聲帶來(lái)的影響TimoOjala等研究發(fā)現(xiàn)均勻模式占整個(gè)模式的很大的比例約90%(8,1),70%(16,2)在圖(a),(b),(c)中均勻模式占總模式的百分比分別為88%，93%和76%改進(jìn)LBP（1）通過低通濾波

改進(jìn)LBP模式種類由2^P種降到了P(P-1)+2+1改進(jìn)LBP模式種類由

改進(jìn)LBP旋轉(zhuǎn)不變LBP(RotationI)：改進(jìn)LBP旋轉(zhuǎn)不變LBP(R

改進(jìn)LBP當(dāng)P=8時(shí)，僅有36種旋轉(zhuǎn)不變模式8910111213….3660108188352632….改進(jìn)LBP當(dāng)P=8時(shí)，僅有3

改進(jìn)LBP25595190,125,250,245,235,215,175,2346,92,184,113,226,197,139,1122,44,88,176,97,194,133,127191,223,239,247,251,254,253111222,189,123,246,237,219,183,3978,156,57,114,228,201,147,1938,76,152,49,98,196,137,63126,252,243,249,231,207,159119238,221,187,29142,71,58,116,232,209,163,2570,140,35,50,100,200,145,3162,124,248,241,227,199,1434794,188,121,242,229,203,151,2754,108,216,177,99,198,141,13134,67,26,52,104,208,161,1530,60,120,240,225,195,13561158,79,122,244,233,211,167,4386,172,89,178,101,202,149,2142,84,168,81,162,69,138,714,28,56,112,224,193,13155110,220,185,115,230,205,155,45150,75,90,180,105,210,165,3774,148,41,82,164,73,146,36,12,24,48,96,192,129,87174,93,186,117,234,213,171,51102,204,153,510,20,40,80,160,65,130,12,4,8,16,32,64,12859206,157,103,118,236,217,179,53166,77,154,83,106,212,169,918,36,72,144,33,66,132,091182,109,218,181,107,214,173,85170,1734,68,136,改進(jìn)LBP25595190,

改進(jìn)LBPriU2LBP：P+2種模式改進(jìn)LBPriU2LBP：

Contents參考文獻(xiàn)改進(jìn)的LBP算法原始的LBP算法實(shí)驗(yàn)、評(píng)估結(jié)果簡(jiǎn)介Contents參考文

人臉識(shí)別人臉識(shí)別

人臉識(shí)別人臉識(shí)別

人臉識(shí)別全局的LBP之所以能夠成功的被應(yīng)用到紋理分析是因?yàn)椋合鄬?duì)而言，標(biāo)準(zhǔn)的紋理圖像變化少（光照，角度等）所以全局LBP直方圖更加的穩(wěn)定而人臉圖像的變化就比較的大。所以全局LBP不太適合直接用于人臉圖像的分析。將人臉分為不同的幾個(gè)區(qū)域：2004年TimoAhonen在ComputerVision-ECCV2004(495)Facerecognitionwithlocalbinarypatterns把LBP引入了人臉識(shí)別的研究人臉識(shí)別全局的LBP之所以能

人臉識(shí)別直方圖連結(jié)：人臉識(shí)別直方圖連結(jié)：

人臉識(shí)別人臉識(shí)別

人臉識(shí)別從圖中可以看出在小區(qū)域內(nèi)圖像的變化要比整個(gè)圖像要小，直方圖的起伏也不是很大，趨于均勻。人臉識(shí)別從圖中可以看出在小區(qū)

人臉識(shí)別空間關(guān)系人臉識(shí)別空間關(guān)系

人臉識(shí)別人臉識(shí)別

人臉識(shí)別人臉識(shí)別

人臉識(shí)別可以看出空間關(guān)系的一定保持對(duì)于人臉圖像識(shí)別還是必須的人臉識(shí)別可以看出空間關(guān)系的一

度量方法相似性度量方法：當(dāng)樣本點(diǎn)大時(shí)，對(duì)數(shù)似然統(tǒng)計(jì)法取得良好的效果，但是當(dāng)樣本點(diǎn)較小時(shí)，直方圖相交和卡方概率統(tǒng)計(jì)更有效、穩(wěn)定：度量方法相似性度量方法：

人臉識(shí)別To?ndtheweightsWjfortheweightedχ2statisticatrainingsetwasclassi?edusingonlyoneofthewindowsatatime.Therecognitionratesofcorrespondingwindowsontheleftandrighthalfofthefacewereaveraged.Then：windowswhoseratelaybelowthe0.2percentileoftheratesgotweight0windowswhoseratelayabovethe0.8and0.9percentilegotweights