opencv - 使用 LBP 改进面部表情检测精度算法

Question

我正在开发一种简单的算法来检测多种面部表情(快乐、悲伤、愤怒……)。我基于 this paper要做到这一点。我在预处理之前应用 LBP 统一运算符将归一化图像划分为 6x6 区域，如下例所示:

通过应用统一的 LBP 为每个区域提取 59 个特征，所以最终我有 2124 个图像特征 (6x6x59)。当我有大约 700 张图像来训练模型时，我认为这是太多的壮举。我读过获得良好的精确度并不好。我的问题是如何减少 feats 的维度或其他技术来提高算法的精度。

Answer 1

减少特征维度并同时增加稳健性的一种直接方法是使用 rotation-invariant uniform patterns 。对于半径为 的圆形邻域由 组成像素，纹理描述符通过 10 个特征表示每个区域。因此维度从2124减少到6×6×10 = 360。