我正在研究LBP算法并生成另一个问题。在论文使用局部二进制模式进行人脸检测和验证，Yann RODRIGUEZ（这是博士论文），第74页（第4.3.3节建议的LBP / MAP人脸验证系统），作者提到
然后使用LBP操作员（N = 59个标签）处理裁剪的面部
和
对于BANCA实验，通用模型使用额外的图像集进行训练，称为世界数据（独立于客户数据库中的主体）。
我的问题是： 1.为什么标签数量是59？ 2.如何培养世界数据？
以前有人读过这篇文章吗？
答案 0 :(得分：3)
OpenCV已经有用于人脸检测的本地二进制模式级联，您可以在OpenCV安装附带的data文件夹中找到它。因此，不需要自己训练，至少是面部检测。参见：
这与Rodgriguez在博士论文中使用的相似。文中提到的数字59是由于统一局部二进制模式的数量，请参阅Scholarpedia以获得详尽的介绍：
可用的LBP级联应该比可用的Haar Cascades更快，但是真阳性率略低（这里没有引用，仅根据我的经验）。这也可能是由于训练集所致。
您可以像使用其他可用的级联一样使用它们，以下是OpenCV Python绑定的示例：
这是一个源代码片段，您还可以在其中看到如何在OpenCV中使用CascadeClassifier：
你问过人脸检测的局部二值模式，这就是上面提到的博士论文。使用局部二进制模式的人脸识别有点类似，但您可以从局部二进制模式构建空间增强的直方图，以编码用于人脸识别的空间信息。我建议你阅读我的人脸识别指南中的局部二进制模式部分：