了解OpenCV LBP实施

我请您参考我过去的答案，该答案略微涉及到该主题，但是没有解释XML级联格式。

让我们看一个为简化而修改的伪造示例，该示例仅具有一个阶段和三个功能的级联。 __

<!-- stage 0 --><_>  <maxWeakCount>3</maxWeakCount>  <stageThreshold>-0.75</stageThreshold>  <weakClassifiers>    <!-- tree 0 -->    <_>      <internalNodes>        0 -1 3 -67130709 -21569 -1426120013 -1275125205 -21585        -16385 587145899 -24005</internalNodes>      <leafValues>        -0.65 0.88</leafValues></_>    <!-- tree 1 -->    <_>      <internalNodes>        0 -1 0 -163512766 -769593758 -10027009 -262145 -514457854        -193593353 -524289 -1</internalNodes>      <leafValues>        -0.77 0.72</leafValues></_>    <!-- tree 2 -->    <_>      <internalNodes>        0 -1 2 -363936790 -893203669 -1337948010 -136907894        1088782736 -134217726 -741544961 -1590337</internalNodes>      <leafValues>        -0.71 0.68</leafValues></_></weakClassifiers></_>

稍后……

<features>  <_>    <rect>      0 0 3 5</rect></_>  <_>    <rect>      0 0 4 2</rect></_>  <_>    <rect>      0 0 6 3</rect></_>  <_>    <rect>      0 1 4 3</rect></_>  <_>      <rect>      0 1 3 3</rect></_>

…

让我们首先来看一个阶段的标签：

在
```
maxWeakCount
```
一个阶段是在阶段弱分类，什么是所谓的评论的数量
```

```
，我叫LBP特征是什么。
- 在此示例中，阶段0的LBP特征数量为
```
3
```
  。
该
```
stageThreshold
```
是什么样的特征的权重相加之和必须至少为舞台传递。
- 在此示例中，阶段阈值为
```
-0.75
```
  。

转到描述LBP功能的标签：

的
```
internalNodes
```
是11位的整数的数组。对于LBP级联，前两个没有意义。第三个是XML文件末尾s
```
<features>
```
表的索引
```
<rect>
```
（A
```
<rect>
```
描述了特征的几何形状）。最后的8个值是8个32位值，它们共同构成了我在较早答案中提到的256位LUT。这个LUT是由训练过程计算出来的，我对此并不完全了解。
- 在此示例中，阶段的第一个特征引用了矩形
```
3
```
  ，该矩形 由四个整数描述
```
0 1 4 3
```
  。
的
```
leafValues
```
是与特征相关联的两个权重（通过/失败）。根据从
```
internalNodes
```
特征评估期间选择的位，将这两个权重之一加到总计中。将该总数与该阶段的进行比较
```
<stageThreshold>
```
。然后，
```
bool stagePassed = (sum >= stageThreshold - EPS);
```
在
```
EPS
```
1e-5处，确定阶段是否已通过或失败。权重也由训练过程确定。
- 在此示例中，第一个特征的失败权重为
```
-0.65
```
  ，通过权重为
```
0.88
```
  。

最后是

<feature>

标签。它由

<rect>

标签数组组成，其中包含4个描述要素几何的整数。给定一个处理窗口（在您的情况下为24x24），前两个整数描述其在处理窗口内的
偏移量

和

整数像素 偏移量， 后两个整数描述LBP功能所需的9个子矩形中一个子矩形的宽度和高度。待评估。

在本质上，然后，标签

<rect> ft.x ft.y ft.width ft.height </rect>

位于一个处理窗口内

pW.width

pW.height

检查面是否存在于

pW.x

pW.y

对应于…

为了评估LBP，就足以读取点处的积分图像

p[0..15]

并用于

p[BR]+p[TL]-p[TR]-p[BL]

计算九个子矩形的积分。比较 中心子
矩形R4和其他八个子矩形，从R0开始顺时针旋转，以产生8位LBP（这些位打包[msb 01258763 lsb]）。

然后，将此8位LBP用作功能的（2 ^ 8 =
256）位LUT（

<internalNodes>

）的索引，选择一个位。如果该位为1，则特征与面部不一致；否则，该特征与面部不一致。如果为0，则与脸部一致。

<leafNode>

然后返回适当的权重（）并与所有其他特征的权重相加，以产生总体阶段总和。然后将其

<stageThreshold>

进行比较以确定阶段是通过还是失败。

如果还有其他问题，我还不能解释清楚。

了解OpenCV LBP实施

面试问答相关栏目本月热门文章