使用Python，OpenCV，本地二进制模式（LBP）进行人脸识别

在深度学习和暹罗网络之前，面部识别算法依赖于特征提取和机器学习。

这篇博客将介绍如何使用本地二进制模式（Local Binary Patterns LBP），OpenCV和CV2.Face.LbphFacerEgnizer_Create进行人脸识别功能。

1. 效果图

2. 原理及步骤

2.1 原理

首先是应用CALTECH FACES数据集，这是评估面部识别算法的基准数据集。
然后审查了Ahonen等人介绍的LBPS面部识别算法。这种方法非常简单且有效。整个算法基本上由三个步骤组成：

1. 将每个输入图像的面部划分为7×7等大小的单元格；
2. 从每个单元中提取局部二进制模式。根据如何辨别每个细胞用于人脸识别来度量它们，最后连接7×7 = 49直方图以形成最终特征向量；
3. 使用具有k = 1的的K-NN分类器和x^2距离度量来执行面部识别。

在Caltech面对数据集上训练脸部识别器，可获得98％的准确性。

2.2 步骤

1. 给定数据集中的面部，算法的第一步是将面部划分为7×7等大小的单元。

2. 然后，对于这些单元中的每一个，