matlab的egde源代码 LBP-DBN-face-recognition 使用LBP特征提取算法提取人脸特征，DBN网络来实现人脸识别，测试数据库-ORL数据库，识别率可达90%以上 ###工程使用方法： clone下工程，要根据实际情况修改test_example_DBN.m中的文件路径 我们在该文件中，a=imread(strcat('E:\My RBM-DBN matlab\ORL\ORL\s',num2str(i),'_',num2str(j),'.bmp')); ###工程说明： ####英文简称注释： DBN-深度信念网络、RBM-受限的玻尔兹曼机 、LBP-局部二值模式 ####几点说明： 0-这个程序的功能，使用DBN算法来实现人脸识别，数据库使用ORL数据库，在迭代次数达到3000时，识别准确率98%左右 2-此程序还附带了画学习曲线的功能，画正则参数，隐层结点数，训练样本数的学习曲线 3-DBN是有几层RBM构成，我这个程序实现的是4层网络，输入层-隐层1-隐层2-输出层 4-DBN的训练基本上分为两步，先用RBM的训练方法训练网络得到初始值，来初始化整个网络

LBP是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen,和 D. Harwood 在1994年提出，用于纹理特征提取。而且，提取的特征是图像的局部的纹理特征

内附Olivetti数据集，400张人脸，20个ID，人脸识别的小型数据库 第1步、训练集、测试集制作 第2步、提取人脸LBP特征 第3步、KNN分类器，k=5时，精度最高，82.5%

Opencv使用cascade方法训练自己的LBP特征分类器的全过程-附件资源

颜色直方图，LBP特征提取（多种）

% HOG特征提取------------ % 第1步：计算水平,竖直方向, 像素梯度矩阵：Ix、Ty % 第2步：计算image对应：angle,magnitude矩阵 % 第3步：遍历, 第1层遍历block, 第2层遍历cell, 第3层遍历pixel % 计算每个pixel直方图，直方图合并 % 第4步：L2-Norm归一化, 0.2截断, 再L2-Norm归一化 % LBP特征提取----------- % 第1步：灰度图转化 % 第2步：第1层-遍历像素点, 第2层-遍历八邻域 % 第3步：8位二进制特征，转化为1个十进制特征

mo_3.m_lbp特征提取，fitcecoc训练svm模型，predict预测，人脸分类。使用fitcecoc函数训练一个多分类的SVM模型，使用predict函数利用训练出的模型对测试数据进行预测，将得到的类标预测值与测试数据真实的类标进行比较，计算测试数据中被正确分类的样本所占的比例。原文链接https://blog.csdn.net/weixin_43863744/article/details/106411670

提取图像的LBP特征使用SVM进行训练的人脸活体检测器，可以有效防御纸张、照片等非活体攻击。

High-Dimensional-LBP, 面向人脸识别的高维LBP特征的实现 High-Dimensional-LBP面向人脸识别的高维lbp特征实现Dong，Xudong，Wen，Jian 。 维度之福：高维特征及其有效的面验证压缩。 计算机视觉和 Pattern 识别( CVPR )，2013.我使用op

主要介绍了Python + OpenCV 实现LBP特征提取的示例代码，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧