包 org.opencv.face

类 LBPHFaceRecognizer

java.lang.Object

org.opencv.core.Algorithm

org.opencv.face.FaceRecognizer

org.opencv.face.LBPHFaceRecognizer

public class LBPHFaceRecognizer
extends FaceRecognizer

字段摘要

继承自类 org.opencv.core.Algorithm 的字段

nativeObj

构造函数摘要

构造函数

修饰符	构造函数	描述
protected	LBPHFaceRecognizer(long addr)

方法摘要

修饰符和类型	方法	描述
static LBPHFaceRecognizer	__fromPtr__(long addr)
static LBPHFaceRecognizer	创建()	radius，半径越大，图像越平滑，但可以获得更多空间信息。
static LBPHFaceRecognizer	create(int radius)
static LBPHFaceRecognizer	create(int radius, int neighbors)
static LBPHFaceRecognizer	create(int radius, int neighbors, int grid_x)
static LBPHFaceRecognizer	create(int radius, int neighbors, int grid_x, int grid_y)
static LBPHFaceRecognizer	create(int radius, int neighbors, int grid_x, int grid_y, double threshold)
protected void	finalize()
int	getGridX()	参见：setGridX
int	getGridY()	参见：setGridY
java.util.List<Mat>	getHistograms()
Mat	getLabels()
int	getNeighbors()	参见：setNeighbors
int	getRadius()	参见：setRadius
double	getThreshold()	参见：setThreshold
void	setGridX(int val)	getGridX 参见：getGridX
void	setGridY(int val)	getGridY 参见：getGridY
void	setNeighbors(int val)	getNeighbors 参见：getNeighbors
void	setRadius(int val)	getRadius 参见：getRadius
void	setThreshold(double val)	getThreshold 参见：getThreshold

继承自类 org.opencv.face.FaceRecognizer 的方法

getLabelInfo, getLabelsByString, predict, predict_collect, predict_label, read, setLabelInfo, train, update, write

继承自类 org.opencv.core.Algorithm 的方法

clear, empty, getDefaultName, getNativeObjAddr, save

继承自类 java.lang.Object 的方法

clone, equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

构造函数详情

LBPHFaceRecognizer

protected LBPHFaceRecognizer(long addr)

方法详情

__fromPtr__

public static LBPHFaceRecognizer __fromPtr__(long addr)

getGridX

public int getGridX()

参见：setGridX

返回值

自动生成

setGridX

public void setGridX(int val)

getGridX 参见：getGridX

参数

val - 自动生成

getGridY

public int getGridY()

参见：setGridY

返回值

自动生成

setGridY

public void setGridY(int val)

getGridY 参见：getGridY

参数

val - 自动生成

getRadius

public int getRadius()

参见：setRadius

返回值

自动生成

setRadius

public void setRadius(int val)

getRadius 参见：getRadius

参数

val - 自动生成

getNeighbors

public int getNeighbors()

参见：setNeighbors

返回值

自动生成

setNeighbors

public void setNeighbors(int val)

getNeighbors 参见：getNeighbors

参数

val - 自动生成

getThreshold

public double getThreshold()

参见：setThreshold

返回值

自动生成

setThreshold

public void setThreshold(double val)

getThreshold 参见：getThreshold

参数

val - 自动生成

getHistograms

public java.util.List<Mat> getHistograms()

getLabels

public Mat getLabels()

创建

public static LBPHFaceRecognizer create(int radius,
                                        int neighbors,
                                        int grid_x,
                                        int grid_y,
                                        double threshold)

参数

radius - 用于构建循环局部二值模式的半径。半径越大，图像越平滑，但可以获得更多空间信息。

neighbors - 用于从循环局部二值模式构建样本点的数量。建议使用 8 个样本点。请记住：包含的样本点越多，计算成本越高。

grid_x - 水平方向上的单元格数量，8 是出版物中常用的值。单元格越多，网格越精细，生成的特征向量的维数越高。

grid_y - 垂直方向上的单元格数量，8 是出版物中常用的值。单元格越多，网格越精细，生成的特征向量的维数越高。

threshold - 应用于预测的阈值。如果到最近邻居的距离大于阈值，则此方法返回 -1。 ### 注意

• 循环局部二值模式（用于训练和预测）期望将数据作为灰度图像给出，使用 cvtColor 在颜色空间之间进行转换。
• 此模型支持更新。

### 模型内部数据

• radius 参见 LBPHFaceRecognizer::create。
• neighbors 参见 LBPHFaceRecognizer::create。
• grid_x 参见 LLBPHFaceRecognizer::create。
• grid_y 参见 LBPHFaceRecognizer::create。
• threshold 参见 LBPHFaceRecognizer::create。
• histograms 从给定的训练数据计算出的局部二值模式直方图（如果没有给出则为空）。
• labels 与计算出的局部二值模式直方图相对应的标签。

返回值

自动生成

创建

public static LBPHFaceRecognizer create(int radius,
                                        int neighbors,
                                        int grid_x,
                                        int grid_y)

参数

radius - 用于构建循环局部二值模式的半径。半径越大，图像越平滑，但可以获得更多空间信息。

neighbors - 用于从循环局部二值模式构建样本点的数量。建议使用 8 个样本点。请记住：包含的样本点越多，计算成本越高。

grid_x - 水平方向上的单元格数量，8 是出版物中常用的值。单元格越多，网格越精细，生成的特征向量的维数越高。

grid_y - 垂直方向上的单元格数量，8 是出版物中常用的值。单元格越多，网格越精细，生成的特征向量的维数越高。大于阈值，则此方法返回 -1。 ### 注意

• 循环局部二值模式（用于训练和预测）期望将数据作为灰度图像给出，使用 cvtColor 在颜色空间之间进行转换。
• 此模型支持更新。

### 模型内部数据

• radius 参见 LBPHFaceRecognizer::create。
• neighbors 参见 LBPHFaceRecognizer::create。
• grid_x 参见 LLBPHFaceRecognizer::create。
• grid_y 参见 LBPHFaceRecognizer::create。
• threshold 参见 LBPHFaceRecognizer::create。
• histograms 从给定的训练数据计算出的局部二值模式直方图（如果没有给出则为空）。
• labels 与计算出的局部二值模式直方图相对应的标签。

返回值

自动生成

创建

public static LBPHFaceRecognizer create(int radius,
                                        int neighbors,
                                        int grid_x)

参数

radius - 用于构建循环局部二值模式的半径。半径越大，图像越平滑，但可以获得更多空间信息。

neighbors - 用于从循环局部二值模式构建样本点的数量。建议使用 8 个样本点。请记住：包含的样本点越多，计算成本越高。

grid_x - 水平方向上的单元格数量，8 是出版物中常用的值。单元格越多，网格越精细，生成的特征向量的维数越高。出版物中常用的值。单元格越多，网格越精细，生成的特征向量的维数越高。大于阈值，则此方法返回 -1。 ### 注意

• 循环局部二值模式（用于训练和预测）期望将数据作为灰度图像给出，使用 cvtColor 在颜色空间之间进行转换。
• 此模型支持更新。

### 模型内部数据

• radius 参见 LBPHFaceRecognizer::create。
• neighbors 参见 LBPHFaceRecognizer::create。
• grid_x 参见 LLBPHFaceRecognizer::create。
• grid_y 参见 LBPHFaceRecognizer::create。
• threshold 参见 LBPHFaceRecognizer::create。
• histograms 从给定的训练数据计算出的局部二值模式直方图（如果没有给出则为空）。
• labels 与计算出的局部二值模式直方图相对应的标签。

返回值

自动生成

创建

public static LBPHFaceRecognizer create(int radius,
                                        int neighbors)

参数

radius - 用于构建循环局部二值模式的半径。半径越大，图像越平滑，但可以获得更多空间信息。

neighbors - 用于构建圆形局部二值模式 (Circular Local Binary Pattern) 的样本点数量。建议使用 8 个样本点。请注意：样本点越多，计算成本越高。文献表明，单元格越多，网格越精细，生成的特征向量的维度越高。文献表明，单元格越多，网格越精细，生成的特征向量的维度越高。如果值大于阈值，则此方法返回 -1。### 注意

• 循环局部二值模式（用于训练和预测）期望将数据作为灰度图像给出，使用 cvtColor 在颜色空间之间进行转换。
• 此模型支持更新。

### 模型内部数据

• radius 参见 LBPHFaceRecognizer::create。
• neighbors 参见 LBPHFaceRecognizer::create。
• grid_x 参见 LLBPHFaceRecognizer::create。
• grid_y 参见 LBPHFaceRecognizer::create。
• threshold 参见 LBPHFaceRecognizer::create。
• histograms 从给定的训练数据计算出的局部二值模式直方图（如果没有给出则为空）。
• labels 与计算出的局部二值模式直方图相对应的标签。

返回值

自动生成

创建

public static LBPHFaceRecognizer create(int radius)

参数

radius - 用于构建圆形局部二值模式的半径。半径越大，图像越平滑，但可以获得更多的空间信息。建议使用 8 个样本点。请注意：样本点越多，计算成本越高。文献表明，单元格越多，网格越精细，生成的特征向量的维度越高。文献表明，单元格越多，网格越精细，生成的特征向量的维度越高。如果值大于阈值，则此方法返回 -1。### 注意

• 循环局部二值模式（用于训练和预测）期望将数据作为灰度图像给出，使用 cvtColor 在颜色空间之间进行转换。
• 此模型支持更新。

### 模型内部数据

• radius 参见 LBPHFaceRecognizer::create。
• neighbors 参见 LBPHFaceRecognizer::create。
• grid_x 参见 LLBPHFaceRecognizer::create。
• grid_y 参见 LBPHFaceRecognizer::create。
• threshold 参见 LBPHFaceRecognizer::create。
• histograms 从给定的训练数据计算出的局部二值模式直方图（如果没有给出则为空）。
• labels 与计算出的局部二值模式直方图相对应的标签。

返回值

自动生成

创建

public static LBPHFaceRecognizer create()

半径越大，图像越平滑，但可以获得更多的空间信息。建议使用 8 个样本点。请注意：样本点越多，计算成本越高。文献表明，单元格越多，网格越精细，生成的特征向量的维度越高。文献表明，单元格越多，网格越精细，生成的特征向量的维度越高。如果值大于阈值，则此方法返回 -1。### 注意

• 循环局部二值模式（用于训练和预测）期望将数据作为灰度图像给出，使用 cvtColor 在颜色空间之间进行转换。
• 此模型支持更新。

### 模型内部数据

• radius 参见 LBPHFaceRecognizer::create。
• neighbors 参见 LBPHFaceRecognizer::create。
• grid_x 参见 LLBPHFaceRecognizer::create。
• grid_y 参见 LBPHFaceRecognizer::create。
• threshold 参见 LBPHFaceRecognizer::create。
• histograms 从给定的训练数据计算出的局部二值模式直方图（如果没有给出则为空）。
• labels 与计算出的局部二值模式直方图相对应的标签。

返回值

自动生成

finalize

protected void finalize()
                 throws java.lang.Throwable

覆盖方法

finalize 在类 FaceRecognizer中

抛出异常

java.lang.Throwable