LBPH算法（超详细）

目录

原理

1. 图像划分

2. 局部二值模式

3. 二进制数转换

4. 直方图统计

5. 特征向量

标准LBPH算法的扩展

优点

应用

总结

---

LBPH算法是一种基于局部二值模式的人脸识别算法。它是一种简单且高效的算法，常用于人脸识别、人脸表情识别、行人检测等领域。

原理

LBPH算法将人脸图像分为许多小的局部区域，对每个局部区域进行特征提取，然后将每个局部区域的特征串联成一个整体特征向量，最终完成相似度计算。

对于每个局部区域，LBPH算法采用局部二值模式来提取特征。具体步骤如下：

1. 图像划分

首先，将输入图像分成若干个小区域（通常是像素块）。每个区域都将独立处理。默认将每个像素与周围8个像素进行比较，将周围像素的值与当前像素的值进行比较。

2. 局部二值模式

对于每个区域，选择一个中心像素，然后与其周围的像素进行比较。比较的方法是，将中心像素的灰度值与相邻像素的灰度值进行比较，如果相邻像素的灰度值大于或等于中心像素的灰度值，则将该像素标记为1，否则标记为0。这一过程生成了一个二进制数字，它代表了中心像素与其周围像素的比较结果。

3. 二进制数转换

将这个8位二进制数转换为十进制数作为当前像素的特征值，。这个十进制数将作为该