上篇文章中我们介绍到,在美颜sdk人脸识别中,所用到的其中一种图像特征技术:HOG特征。那么今天我们再讲下剩余的两项图像特征技术。
一、LBP特征技术
局部二值模式是一种用来描述图像局部纹理特征的算子。关于与LBP特征的计算流程如下:
1、将检测窗口划分为16X16个cell。
2、对于每个cell中的一个像素,将相邻的8个像素的灰度值与其进行比较,若周围的像素值大于中心的像素值,则该像素点的位置被标记为1,否则标记为0.这样,3X3邻域内的8个点经比较可产生8位二进制数,即得到了该窗口中心像素点的LBP值。
3、计算每个cell的直方图,即每个数字出现的频率,然后对该直方图进行归一化处理。
4、将得到的每个cell的统计直方图进行连接,成为一个特征向量,也就是整幅图的LBP特征描述。
二、Haar-like特征
Haar-like特征分为3类:边缘特征、线性特征和对角线特征。3种类型的特征组合成最早期的Haar-like特征模板。特征模板内有白色和黑色两种矩形,并定义了该模板的特征值为白色矩形像素和减去黑色矩形像素的和。
之后的Haar-like经过演化,最终分为:边缘特征、线性特征和中心特征。
Haar-like特征的计算方法如下:
以上述特征的模板在图片中滑动。比如图中第一个边缘特征的模板a是2x1个像素,定义a在24x24的图片子窗口中滑动。每滑动一次会有一个值,则可产生23X24个值,也就是Haar特征值。同理,其他模板都可以产生若干个Haar特征值。将它们组成一个向量,就是Haar-like特征向量。
此外,因为Haar-like特征包含了3个图像特征类—边缘特征、线性特征、中心和对角特征,能够最大程度地保留人脸图像的信息,是美颜sdk中人脸识别中最常用的特征,也是OpenCV人脸识别算法解决方案才有的特征。
以上,就是美颜sdk人脸识别中,所有的图像特征技术,如果您对美颜sdk开发感兴趣,欢迎咨询官方客服。
声明:本文由美狐原创,未经允许禁止转载,谢谢合作。
- AI驱动的美颜技术:直播美颜SDK动态贴纸如何引领未来互动新趋势?
- 直播间更好玩了!美颜SDK+动态贴纸如何提升互动体验?
- 不止于美颜:直播美颜SDK如何让主播更具个人风格?
- 直播美颜SDK赋能:人脸美型功能在短视频与直播平台的体验升级
- 直播美颜SDK与AI融合:精准人脸美型功能的未来想象
- 未来直播美颜SDK升级趋势报告:AI美颜与美白滤镜的融合方向
- 美颜SDK商用案例剖析:动态贴纸在直播APP与社交平台的变现逻辑
- 美颜SDK未来趋势展望:AI驱动的美白滤镜重塑直播视觉体验
- 美颜SDK的下一步:智能滤镜与直播APP的深度融合路径
- 美颜SDK技术如何赋能直播行业?从产品体验到数据增长的闭环逻辑