我正在尝试为人脸识别应用程序实现具有统一模式映射的原始和循环局部二进制模式(LBP)。
到目前为止，我已经完成了LBP描述符提取和空间直方图构建步骤。现在我必须在人脸分类和识别阶段工作。正如本主题的原始论文所建议的，最简单的分类器使用卡方统计量作为两张人脸图像的两个直方图之间的相异性度量。这个公式看起来很简单，但我不知道如何根据卡方相异性度量的结果值，将两个直方图分类为同一张脸或不同脸的表示。所以我的问题是：我可以用什么作为相同面和不同面之间的边界线的最佳阈值？如何确定该值？
我在互联网上看到一些源代码，他们将LBP阈值设置为180.0。我不知道这个值是从哪里来的。
我非常感谢你的帮助。谢谢你的阅读。
在相同/不相同的设置中，您可以从训练集中学习最佳阈值。给定1000对相同和1000对不同的训练，在阈值上运行for循环。对于每个阈值，计算精度为0.5*(距离<currentThreshold的相同对的百分比)+0.5*(距离>=currentThreshold的不相同对的百分数)。然后，跟踪最佳阈值。
顺便说一句，对于相同/不相同的设置，我建议考虑使用一次性相似