人臉識(shí)別-局部二值模式（Local Binary Patterns，LBP）

局部二值模式（Local binary patterns LBP）是計(jì)算機(jī)視覺(jué)領(lǐng)域里用于分類(lèi)的視覺(jué)算子。LBP，一種用來(lái)描述圖像紋理特征的算子，該算子由芬蘭奧盧大學(xué)的T.Ojala等人在1996年提出（《A comparative study of texturemeasures with classificatio1n based o1n featured distributio1ns》）。2002年，T.Ojala等人在PAMI上又發(fā)表了一篇關(guān)于LBP的文章（《Multiresolutio1n gray-scale androtatio1n invariant texture classificatio1n with local binary patterns》）。這一文章非常清楚的闡述了多分辨率、灰度尺度不變和旋轉(zhuǎn)不變、等價(jià)模式的改進(jìn)的LBP特征。LBP的核心思想就是：以中心像素的灰度值作為閾值，與他的領(lǐng)域相比較得到相對(duì)應(yīng)的二進(jìn)制碼來(lái)表示局部紋理。開(kāi)發(fā)過(guò)程中，我們可以通過(guò)設(shè)置“輸入圖像尺寸”、或“小臉尺寸限制”、或“人臉數(shù)量上限”的方式來(lái)加速算法。

圖像特征的提取是比較關(guān)鍵的一步（上文所說(shuō)的模式空間向特征空間的跨越），但對(duì)于圖像處理來(lái)說(shuō)也是比較初級(jí)的一步。目前關(guān)于圖像特征提取的方法有很多，但其實(shí)我們想一想，通常而言圖像的特征還是可以歸類(lèi)的，例如顏色特征、紋理特征、空間關(guān)系特征、形狀特征等，每一種特征都有匹配的方法，其中有一些比較經(jīng)典、好用的方法，例如HOG特征法，LBP特征法，Haar特征法等，小編當(dāng)然不可能一一講解，所以這里選取其中一種——HOG特征法。這些識(shí)別方式都要求人員近距離操作，當(dāng)使用者雙手被占用時(shí)則顯得極不方便，同時(shí)也帶來(lái)卡片或密碼丟失、遺忘，復(fù)1制以及被盜用的隱患和成本高的問(wèn)題。

常規(guī)的人臉屬性識(shí)別算法識(shí)別每一個(gè)人臉屬性時(shí)都是一個(gè)獨(dú)立的過(guò)程，即人臉屬性識(shí)別只是對(duì)一類(lèi)算法的統(tǒng)稱(chēng)，性別識(shí)別、年齡估計(jì)、姿態(tài)估計(jì)、表情識(shí)別都是相互獨(dú)立的算法。但的一些基于深度學(xué)習(xí)的人臉屬性識(shí)別也具有一個(gè)算法同時(shí)輸入性別、年齡、姿態(tài)等屬性值的能力。人臉識(shí)別技術(shù)研究開(kāi)發(fā)了一種近實(shí)時(shí)的計(jì)算機(jī)系統(tǒng)，可以定位和追1蹤人的頭部，然后通過(guò)比較面部特征和已知個(gè)體的特征來(lái)識(shí)別該人。以在基本保證算法效果的前提下，將模型大小和運(yùn)算速度優(yōu)化到移動(dòng)端可用的狀態(tài)。