Face Recognition using Local Binary

Face Recognition using Local
Binary Patterns
We explained how the LBP-method can be
applied on images (of faces) to extract features which
can be used to get a measure for the similarity between
these images. The main idea is that for every pixel of an
image the LBP-code is calculated. The occurrence of
each possible pattern in the image is kept up. The
histogram of these patterns, also called labels, forms a
feature vector, and is thus a representation for the
texture of the image. These histograms can then be
used to measure the similarity between the images, by
calculating the distance between the histograms

Kết quả (Việt) 1:

Nhận dạng khuôn mặt bằng cách sử dụng địa phương Nhị phân mẫuChúng tôi giải thích làm thế nào các LBP-phương pháp có thể áp dụng trên hình ảnh (của khuôn mặt) để trích xuất các tính năng mà có thể được sử dụng để có được một biện pháp cho sự giống nhau giữa những hình ảnh. Ý tưởng chính là cho mỗi điểm ảnh của một hình ảnh LBP-mã được tính. Sự xuất hiện của mỗi mẫu có thể trong hình ảnh được giữ. Các biểu đồ của những mẫu, còn được gọi là nhãn, tạo thành một tính năng véc tơ, và do đó là một đại diện cho các kết cấu của hình ảnh. Histograms những sau đó có thể được sử dụng để đo lường sự giống nhau giữa những hình ảnh, bởi tính toán khoảng cách giữa các histograms

Kết quả (Việt) 2:

Face Recognition sử dụng Local
Binary Patterns
Chúng tôi giải thích như thế nào LBP-phương pháp có thể được
áp dụng trên hình ảnh (khuôn mặt) để trích xuất các tính năng mà
có thể được sử dụng để có được một thước đo cho sự giống nhau giữa
các hình ảnh. Ý tưởng chính là đối với mỗi điểm ảnh của một
hình ảnh LBP-code được tính toán. Sự xuất hiện của
mỗi mô hình có thể có trong các hình ảnh được lưu giữ lên. Các
biểu đồ của các mô hình, cũng được gọi là nhãn, tạo thành một
vector đặc trưng, ​​và do đó là một đại diện cho các
kết cấu của hình ảnh. Những biểu đồ sau đó có thể được
sử dụng để đo sự giống nhau giữa các hình ảnh, bằng cách
tính toán khoảng cách giữa các biểu đồ