lbp和pca用什么软件

lbp和pca用MATLAB软件。

对人脸识别的研究背景，发展现状以及研究意义做了介绍，然后分析了线性滤波，直方图均衡，同态滤波，几何校正等多种图像预处理方法，接着详细介绍了基于PCA的人脸识别算法，基于LBP的人脸识别算法以及基于LBP和PCA的人脸识别算法，其中包括算法的基本思想，实现的具体步骤，识别的准确率以及存在的问题，使用了MATLAB软件对lbp和pca算法进行了仿真，取得了良好的实验效果。

1）划分子区域

方法一：

图像I是个矩阵，划分为子区域就是按一定规律取矩阵的对应行列。

例如I   100*100矩阵，10*10个子区域为：

则其

第一块为:(1:10,1:10)    子区域编号为(1,1)

第二块为:(11:20,1:10)  子区域编号为(2,1)

以此类推：

可以通过循环来实现：

for i=1:10

   for j=1:10

   eval(['I' num2str(i) num2str(j) '=I(1+10*(i-1):10+10*(i-1),1+10*(j-1):10+10*(j-1))'])

   end

end

每个子区域为I11 I12 I13...I1010

示例：

方法二：通过裁剪命令，裁剪出对应的区域：

I2=imcrop（I,RECT）

RECT是对应区域的边界

比如:

I11=imcrop(I,[1,1,10,10])即子区域的左上角点坐标和右下角点坐标。

示例代码如下：

for i=1:10

   for j=1:10

   eval(['I' num2str(i) num2str(j) '=imcrop(I,[1+10*(i-1),1+10*(i-1),10+10*(j-1),10+10*(j-1)])'])

   end

end

2）直方图的求取和画法：

[x,n]=hist(I(:),1:255)

% x返回横坐标数组-----频数统计的小区间的中点

% n返回纵坐标数组-----各小区间内的频数

plot(n,x)

此外也可以直接用:

p=imhist(I)

plot(p)

概率密度：plot(p/N)

%N为区域总点数，如10*10。

3）将划分区域和灰度直方图一起使用：

for i=1:10

    for j=1:10

    p(10*(i-1)+j,:)=imhist(I(1+10*(i-1):10+10*(i-1),1+10*(j-1):10+10*(j-1)))

    end

end

则每个子区域的直方图统计数据在p矩阵的每一行中，共计100行。

OpenCV中有两个程序可以训练级联分类器： opencv_haartraining 和opencv_traincascade。opencv_traincascade 是一个新程序，使用OpenCV 2.x API 以C++ 编写。这二者主要的区别是 opencv_traincascade 支持 Haar、Hog和 LBP(Local Binary Patterns) 三种特征，并易于增加其他的特征。与Haar特征相比，LBP特征是整数特征，因此训练和检测过程都会比Haar特征快几倍。LBP和Haar特征用于检测的准确率，是依赖训练过程中的训练数据的质量和训练参数。训练一个与基于Haar特征同样准确度的LBP的分类器是可能的。

opencv_traincascade and opencv_haartraining 所输出的分类器文件格式并不相同。注意，新的级联检测接口（参考 objdetect 模块中的 CascadeClassifier 类）支持这两种格式。 opencv_traincascade 可以旧格式导出训练好的级联分类器。但是在训练过程被中断后再重启训练过程， opencv_traincascade and opencv_haartraining 不能装载与中断前不同的文件格式。

opencv_traincascade 程序使用TBB来处理多线程。如果希望使用多核并行运算加速，请使用TBB来编译OpenCV。还有一些与训练相关的辅助程序。

opencv_createsamples 用来准备训练用的正样本数据和测试数据。 opencv_createsamples 能够生成能被 opencv_haartraining 和 opencv_traincascade 程序支持的正样本数据。它的输出为以 *.vec 为扩展名的文件，该文件以二进制方式存储图像。

opencv_performance 可以用来评估分类器的质量。它读入一组标注好的图像，运行分类器并报告性能，如检测到物体的数目，漏检的数目，误检的数目，以及其他信息。

http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/user_guide/ug_traincascade.html

http://blog.csdn.net/delltdk/article/details/9186875

1 建立样本集pos和neg

pos中存放正样本的图像，可以是一张图像或多张图像。neg中存放包含负样本的图像，可以是任意图像，但是这些图像中不能包含待检测的物体。

注意：

一般需要一个很大的负样本库送给训练程序进行训练。如果是绝对刚性的物体，如OpenCV的标志，只有一张正样本图像，那么可以通过对物体图像的随机旋转、改变标志亮度以及将标志放在任意的背景上而获得大量的正样本；如果是人脸，需要几百甚至几千个正样本。在待检测物体是人脸的情况下，需要考虑所有的人种、年龄、表情甚至胡子的样式。

2 生成正\负样本描述文件negdata.txt

(1) 负样本描述文件negdata.txt

在命令行窗口输入“cd d:\%....%\pos”路径切换到neg文件夹下，输入“dir/b>negdata.txt”就会在neg文件夹下生成描述文件negdata.txt，存放neg中所有图片的文件名，注意要去掉最后的negdata.txt 。

注意：

如果把negdata.txt保存在neg文件夹外面，需要在每一行外面添加相对路径或绝对路径来指出样本的所在位置。一种方法是将negdata.txt 文件中的内容复制到word中，使用替换功能实现快速修改。neg替换为neg\neg

(2) 正样本描述文件posdata.txt

与建立negdata.txt一样建立posdata.txt，只不过在正样本描述文件中需要指出目标在每个样本中的数量和位置如pos\1.bmp 1 x1 y1 x2 y2，其中(x1,y1,x2,y2)为目标所在的矩形框，又如pos\1.bmp2 x1 y1 x2 y2 x1’ y1’ x2’ y2’

因为我们准备的正样本基本都是目标，因此只需在文件名后增加1 0 0 width height即可。

注意：

1若正样本图像是不同尺寸的，一方面可以使用ImageResize或matlab将图像统一成同一尺寸在生成posdata.txt，或程序ImageToTxt直接生成具有不同尺寸图像的正样本描述文件。在此阶段不归一化的话，后续生成.vec文件的时候在程序中自动归一化。

2样本描述文件与图像要一致，可以存在图像但没有写在描述文件中，即有多余的图像，但千万不要在描述文件中写不存在的图像。

问题：

归一化尺寸的方法是否对训练结果有影响？ opencv_createsamples 采用何种方法进行归一化？

sample = cvCreateImage( cvSize(winwidth, winheight ), IPL_DEPTH_8U, 1 )

fscanf( info, "%d %d %d%d", &x, &y, &width, &height )

cvSetImageROI( src, cvRect( x, y, width,height ) )

cvResize( src, sample,

width >=sample->width &&height >= sample->height ? CV_INTER_AREA :CV_INTER_LINEAR )

CV_INTER_NN 最近邻插值

CV_INTER_LINER 双线性插值，缺省情况

CV_INTER_AREA 使用像素关系重采样，当图像缩小时候可以避免波纹出现，当图像方法时类似CV_INTER_NN

CV_INTER_CUBIC 立方插值

3 生成.vec文件

生成的正样本数目以及随机的程度都可以通过 opencv_createsamples 的命令行参数控制。

使用create.dat调用%Opencv%\vs2008\bin\Release\ opencv_createsamples.exe

在createsamples.cpp中查阅参数设置

-info 输入正样本描述文件，默认NULL

-img 输入图像文件名，默认NULL

-bg 负样本描述文件，文件中包含一系列的被随机选作物体背景的图像文件名，默认NULL

-num 生成正样本的数目，默认1000

-bgcolor 背景颜色，表示透明颜色，默认0

-bgthresh 颜色容差，所有处于bgcolor-bgthresh和bgcolor+bgthresh之间的像素被置为透明像素，也就是将白噪声加到前景图像上，默认80

-inv 前景图像颜色翻转标志，如果指定颜色翻转，默认0(不翻转)

-randinv 如果指定颜色将随机翻转，默认0

-maxidev 前景图像中像素的亮度梯度最大值，默认40

-maxxangle X轴最大旋转角度，以弧度为单位，默认1.1

-maxyangle Y轴最大旋转角度，以弧度为单位，默认1.1

-maxzangle Z轴最大旋转角度，以弧度为单位，默认0.5

输入图像沿着三个轴进行旋转，旋转角度由上述3个值限定。

-show 如果指定，每个样本都将被显示，按下Esc键，程序将继续创建样本而不在显示，默认为0(不显示)

-scale显示图像的缩放比例，默认4.0

-w 输出样本宽度，默认24

-h 输出样本高度，默认24

-vec输出用于训练的.vec文件，默认NULL

将正样本描述文件中的正样本转换为灰度图像并缩放到-w-h尺寸存入vec文件中。

(1)如果设置-img和-vec

调用cvCreateTrainingSamples，采用一张图像创建训练样本

(2)如果设置-img、-bg和-info

调用cvCreateTestSamples，采用一张图像创建测试样本。-bg在这里又有什么作用？目的是作为背景创建测试图像。

(3)如果设置-info和-vec(采用正样本描述文件中的图像创建训练样本)

调用cvCreateTrainingSamplesFromInfo，在cvCreateTrainingSamplesFromInfo中将读取样本，并resize后调用icvWriteVecHeader和icvWriteVecSample创建vec文件。

(4)如果只设置-vec(只显示vec文件中的样本)

调用cvShowVecSamples查看和检查保存在vec文件中正样本

上述参数在create.dat中设置好，最后有一个pause，等待显示结果：Done.Created num samples

---