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。
- 融合AI与3D动效:美颜SDK如何重构动态贴纸功能的核心能力?
- 社交APP如何打造差异化美颜体验?动态贴纸+美颜SDK组合出新招
- 想打造爆款直播特效?别错过美颜SDK里的“动态贴纸魔法”
- 2025年动态贴纸技术趋势:美颜SDK如何迈向AI智能互动?
- Diffusion Model + 美颜SDK:下一代人脸美型技术的潜力爆发点
- 直播平台如何借力美颜SDK?从人脸美型到用户留存的技术方案
- 从“滤镜时代”走向“智能化”:美颜SDK与美妆科技的融合之路
- 主播们用了都说好的智能美妆功能,背后的美颜SDK有多强?
- AI驱动智能美妆,美颜SDK如何成为下一代美颜生态核心引擎?
- 智能美妆功能背后的技术逻辑:基于美颜SDK的实时渲染与识别机制
- Diffusion Model + 美颜SDK:下一代人脸美型技术的潜力爆发点
- 主播们用了都说好的智能美妆功能,背后的美颜SDK有多强?
- 美颜SDK如何助力不同场景的人脸美型:短视频、直播、电商
- 增强现实(AR)时代的美颜SDK:滤镜API如何实现沉浸式美颜体验?
- 美颜滤镜SDK的商业化路径:如何通过美颜SDK变现与盈利
- 美颜SDK的商业化路径:美颜与滤镜如何助力业务增长
- 打造极致美颜效果:解密直播APP背后的美颜SDK技术
- 直播美颜插件的核心技术揭秘:如何利用美颜SDK打造高性能的直播APP?
- 如何利用美颜SDK在实时直播中实现更好的直播效果?
- 提升直播效果:美狐美颜SDK在实时美颜平台中的最佳实践