![动脑学院[David]](/views/front/img/head.png){kind=avatar}
OpenCV 人脸跟踪
简介
OpenCV是一个基于BSD许可开源发行的跨平台计算机视觉库。拥有C++，Python和Java接口，并且支持Windows, Linux, Mac OS, iOS 和 Android系统。实现了图像处理和计算机视觉方面的很多通用算法。
模块
功能
Core 核心基础模块，定义了被所有其他模块和基本数据结构(包括重要的多维数组Mat)使用的基本函数、底层数据结构和算法函数
Imgproc 图像处理模块，包括：滤波、高斯模糊、形态学处理、几何变换、颜色空间转换 及直方图计算等
Highgui 高层用户交互模块，包括：GUI、图像与视频IO等
Video 视频分析,，运动分析及目标跟踪。
Calib3d 3D模块，包括：摄像机标定、立体匹配、3D重建等
Features2d 二维特征检测与描述模块，包括：图像特征检测、描述、匹配等
Objdetect 目标检测模块，如：人脸检测等
MI 机器学习模块，包括：支持向量机、神经网络等
Flann 最近邻开源库。包含一系列查找算法，自动选取最快算法的机制。
Imgcodecs 图像编解码模块，图像文件的读写操作
Photo 图像计算(处理)模块，图像修复及去噪。
Shape 形状匹配算法模块。描述形状、比较形状
Stitching 图像拼接
Superres 超分辨率模块
Videoio 视频读写模块，视频文件包括摄像头的输入。
Videostab 解决拍摄的视频稳定
Dnn 深度神经网络
contrib 可以引入额外模块
LBP
LBP的核心思想就是：以中心像素的灰度值作为阈值，与他的领域相比较得到相对应的二进制码来表示局部纹理特征。
基本LBP
原始的LBP算子定义为在3*3的窗口内，处理83这个像素点的lbp值：
将83与包围83的8个位置进行比较。如果大于83则取值为1，否则为0,然后将这些数据顺时针组合在一起，这样的到一个01111100,即：0x7C(124)。这就是83位置的lbp值。顺序并无硬性要求，只要在同一处理中保持相同的顺序即可。提取的LBP算子在每个像素点都可以得到一个LBP值，对一幅图像提取其原始的LBP算子之后，得到的原始LBP特征依然是“一幅图片”（记录的是每个像素点的LBP值）这种图片称之为lbp图谱。
从lBP定义可以看出LBP是灰度不变的，简单来说就是对图像的灰度值根据一个系数X进行修改，得出的LBP值不变。
圆形LBP
基本的 LBP算子的最大缺陷在于它只覆盖了一个固定3x3范围内的小区域，为了满足不同尺寸的需要，并达到灰度和旋转不变性的要求，对 LBP 算子进行了改进，将 3×3邻域扩展到任意邻域，并用圆形邻域代替了正方形邻域。以某个像素点为中心，以一个任意大小半径R画一个圆，将落在圆内的P个像素与中心点像素比较得到LBP算子。
旋转不变LBP
LBP 算子是灰度不变的，但却不是旋转不变的，图像的旋转就会得到不同的 LBP值。
为了解决这个问题，将 LBP算子进行了扩展具有旋转不变性。LBP的旋转不变模式，即不断旋转圆形邻域得到一系列初始定义的 LBP值，取其最小值作为该邻域的 LBP 值。
首先获得LBP值为: 11100001 (255),进过旋转分别得到8中不同的LBP值，最终得到的具有旋转不变性的 LBP值为 15。
等价LBP
对于半径为R的圆形区域内含有P个采样点的LBP算子将会产生2^P(0和1的排列组合)种模式。随着邻域集内采样点数的增加，二进制模式的种类是以指数形式增加的。这么多的二进制模式导致在人脸检测时候LBP模式统计直方图过于稀疏(见下面检测原理部分)。因此需要对原始的LBP模式进行降维，也就是减少数据量。
等价模式(均匀模式)就是解决这个问题的。在实际图像中，绝大多数LBP模式最多只包含两次从1到0或从0到1的跳变。因此，等价模式定义为：当某个LBP所对应的循环二进制数从0到1或从1到0最多有两次跳变时，该LBP所对应的二进制就称为一个等价模式类，除等价模式类以外的模式都归为另一类，称为混合模式类。
00000000（0次跳变），00000111（1次从0到1的跳变），10001111（1到0，0到1，两次跳变）是等价模式类。
10010111（共四次跳变）是混合模式类。
通过这样的改进，二进制模式数量由原来的2^P种减少为 P* ( P-1)+2种。
检测原理
将一幅图片划分为若干的子区域，对每个子区域内的每个像素点都提取LBP特征，然后，在每个子区域内建立LBPH（LBP特征的统计直方图）。 每个子区域就可以用一个统计直方图来进行描述；整个图片就由若干个统计直方图组成 之后，将图片和人脸的直方图进行相似性比较。
附【Android进阶资料】
加群：861531554 即可获得