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。