人脸识别考勤系统可能由于用户化妆等原因发生错误。基于树莓派的在线人脸识别考勤系统使用OpenCV集成的LBPH算法，当发生识别错误时，管理员可以远程登录系统对用户采集新的样本以更新其人脸模型。对系统进行测试，发现其能够稳定运行；测试模型，发现模型更新后对已知人脸与未知人脸识别评分之差为更新前的4.63倍，即识别的正确率高于更新前的正确率。可以认为系统通过更新模型能够减少由于特征变化引起的识别错误。

主要为大家详细介绍了Opencv LBPH人脸识别算法的相关资料，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

基本流程: 输入人脸->人脸数据表示->LBPH特征提取+人脸图像与特征数据库->分类识别->识别人脸 LBPH算法: 图像灰度化->LBP特征提取->ULBP降维处理->分割为多个方格(Cell)->每个方格生成直方图->直方图链接,特征向量集合->与DB中直方图比较(直方图比较)->得到分类结果 Ptr model = LBPHFaceRecognizer::create(); #include #include #include using namespace std; using namespace cv; using namespace cv::face; //OpenCV人脸识

基于OpenCV 3, LBPH 人脸识别 Python代码,已附加所有代码及文件

基于LBP算法的人脸识别程序（python），建立相应的文件夹，修改代码路径即可使用，很基础的代码供人脸识别学习。

LBPH算法粗略地将检测到的人脸分成小单元，并将其与模型中的对应单元进行比较，对每个区域的匹配值产生一个直方图。LBPH 是唯一允许模型样本人脸和检测到的人脸在形状、大小上可以不同的人脸识别算法。代码部分采用Opencv与Python编程，并且将LBPH算法和 Eigenfaces 算法与Fisherfaces 算法进行人脸识别效果比较，准确率达到97%以上(目前在识别黑人时代码效果不佳)

（需要配置好opencv）支持多目标检测，人脸识别

资源是LBPH人脸识别的示例代码，基于OpenCV2.4.9的VS2010工程，其中包含AT&T人脸库，库中有40个人，每个人有10张人脸，共400张人脸。