佳能LBP6018打印机驱动

qt + opencv RGB活体识别程序demo，通过提取lbp和hog特征，训练人脸，可以判断出是手机图片和视频，打印图片，

用LBP （局部二值模式） 特征进行 人脸识别 代码

lbp.py是用于纹理分类的局部二进制模式 (LBP) 算法的 Python 实现。 先决条件 以下所示的版本已经过验证。 其他版本也可能有效，但尚未得到验证。 Git 2.3.* 或 2.4.* Python 2.7.9 带有以下包： NumPy 1.9.2 枕头 2.7.0 美汤 3.2.1 Matplotlib 1.4.3 mpi4py 1.3.1 OpenMPI 1.8.4 克隆存储库 第一步是克隆存储库以获取代码的本地副本。 打开终端并运行以下命令。 $ git clone https://github.com/timvandermeij/lbp.py.git $ cd lbp.py 运行代码 第一步是获取图像以在lbp.py上运行lbp.py 我们已经实现了一个从获取大型高分辨率图像的，它在许可下提供免费图像。 在终端中执行以下命令： $ python

提取图像的lbp特征，使用matlab实现，简单易操作

自己在OPENCV中face库里面分离出来的LBP特征提取，及LBP直方图计算的库，已经简单封装好，可以直接使用，里面附带demo

LBP（local binary pattern），局部二值模式特征提取，用openCV实现的代码

针对传统GrabCut在GMM迭代估计阶段仅单纯地考虑像素点的RGB彩色信息，当前景细节区域与它的周围区域颜色差异较大时容易发生分割错误，以及基于像素的运算导致分割效率不高的问题，提出一种结合权值优化与CS-LBP纹理特征的改进算法。该算法利用多尺度分水岭对图像进行预分割，构建区域邻接图；然后对每个区域进行颜色和纹理特征的提取，通过权值迭代优化算法使区域的数据项权值与周边分块区域的权值相关联，采用自适应参数将纹理约束项引入能量函数，并将改进算法应用于人脸图像分割，有效改善了分割效果。实验结果表明，该算法分割结果更加准确，效率更高。

欧几里德法matlab代码用于基于内容的图像检索的Matlab代码 该存储库包含题为“基于内容的图像检索的集成方法” [1]的论文Matlab代码。 图像从[2]下载 程序设计 该程序可以使用Matlab运行。 我尝试使用尽可能少的工具箱，以便该程序可移植到所有版本的Matlab。 因此，我避免使用GUI，因为我不确定每个matlab版本的GUI库是否相似。 您可以在两种模式下使用该程序，即（1）快速模式和（2）慢速模式。 在（1）快速模式下，您将从所有图像中提取特征，然后才能从这些特征中找到相似性。 对于（1），应该首先运行extractFeature.m，然后才运行cbir_rank.m。 如果要更改图像路径，则必须同时在extractFeature.m和cbir_rank.m中都更改路径。 在（2）慢速模式下，您只需运行cbir_threshold.m。 如果要更改图像路径，则可以更改imgpath变量。 查询图像由cbir_rank.m和cbir_threshold.m中的文件名变量设置。 因此，如果要更改查询图像，只需将其更改为所需的任何图像即可。 我使这个程序很聪明。 因此

faceRecgSys：使用Matlab的人脸识别系统； 算法：LBP，PCA，KNN，SVM和朴素贝叶斯