تشخیص و شناسایی چهره با استفاده از الگوهای دودویی

Face Detection and Recognition using Local Binary Patterns

چکیده :
امروزه، برنامه هایی در زمینه تجهیزات چند رسانه ای،بانکداری و نظارت از اهمیت روزافزونی برخوردار می شوند با این حال چون هر برنامه مربوط به تشخیص چهره مستلزم رفع نیاز های مختلف در خصوص فرایند تحلیل است،تقریبا همه الگوریتم هاو رویکرد های تشخیص چهره وابسته به برنامه هستند و استاندارد سازی یا تعمیم کاملا سخت است. به همین دلیل و چون بسیاری از مسائل کلیدی هنوز به طور کامل حل نشدهاند انجمن تحقیقات تحلیل چهره تلاشمی کند تا چالش های تشخیص چهره را حل کنند. الگو های دو دویی محلی اولین بار برای توصیف بافت های دو دویی استفاده می شوند و چون چهره می تواند ترکیبی از ریز ساختار ها بسته به شرایط محلی باشد، برای توصیف چهره مفید است. توصیف گر LBP متشکل از بافت جهانی و محلی می باشد که با تقسیم تصویر به چندین بلوک و محاسبه هیستوگرام بافت محاسبه می شود. نوع جهانی برای تفکیک بیشتر اشیای غیرچهره ای استفاده می شود در حالی که دومین مورد اطلاعات خاصی را نه تنها برای انتخاب چهره و نیز اطلاعات چهره ارایه می کند(2). نتایج در بردار توصیف گر عمومی بررسی شده است و برای تغذیه طبقه بند کافی یا طرح افتراقی برای تصمیم گیری در مورد تصویر ورودی و هویت چهره ورودی در تشخیص چهره استفاده می شود.

1- مقدمه
تشخیص و شناسایی چهره نقش بسیار مهمی در جامعه فعلی به ویژه به دلیل کاربرد خود در بسیاری از زمینه ها نظیر تجهیزات نظارت، بانکداری و چند رسانه ای مثل دور بین ها و کنسول های بازی ویدئویی ایفا می کند. بسیاری از دور بین های دیجیتال جدید دارای یک گزینه تشخیص چهره برای تاکید خود کار بر چهره است. برخی از شرکت ها یک سری برنامه ها را برای تشخیص چهره و نیز تشخیص لبخند با تحلیل شادی با استفاده از ویژگی های چهره نظیر دهان، خط چشم یا جدایش لب تولید کرده اند و از این روی یک ویژگی شاتر لبخند جدید را ارایه کرده است که در صورت لبخند فرد از او عکس می گیرد. به علاوه، بسیاری از دستگاه های الکترونیک مصرف کننده نظیر موبایل، لپ تاپ، کنسول بازی ویدئویی و تلویزیون ها شامل دور بین هایی هستند که فعالیت های پردازش تصویر را انجام میدهند از جمله تشخیص چهره و شناسایی چهره. برای مثال یک شرکت معروف تولید کننده تلویزیونی یک سری دوربین هایی را تولید کرده است که که موسوم به حسکر حضور هوشمند است. حضور کاربران با تشخیص چهره، حرکت، موقعیت و حتی سن درک می شود. و به طور خودکار روشن یا خاموش شده و هم موجب ذخیره انرژی و طول عمر می شود. از سوی دیگر، سایر برنامه ها برای تشخیص چهره در زمینه شاخص بندی داده های ویدئویی اتوماتیک برای افزایش ذخیره داده های دیجیتال استفاده می شوند. برای مثال، برای کمک به شاخص بندی دیتابیس های محتوی تلویزیون و برچسب خودکار همه ویدئوهای حاوی حضور یک فرد معین، روش های تشخیص چهره برای موتور های جست و جوی وب و برنامه های سازمان دهی تصویر مصرف کننده برای انجام جست و جو شناسع گذاری تصویر چهره ارایه شده اند. برای مثال، سازمان دهنده تصویر دیجیتال کوگل پیکاسو دارایسیستم تشخیص چهره تو کار است که چهره را به افراد نسبت می دهد و از این روی کوئری ها می تواند بر روی تصویر ها برای بازگشت همه تصویر ها با گروه خاصی از افراد اجرا می شود. مثال دیگر، ای فوتو است که یک سازمان دهنده تصویر توزیعی می باشد که از تشخیص چهره برای شناسایی چهره افراد استفاده می کند. بعد از چهار دهه تحقیق و با طیف وسیعی از برنامه ها و امکانات، محققان تلاش می کنند تا الگوریتمی را پیدا کنند که در زمینه های مختلف و باکم ترین خطا کارکرد داشته باشد.

2- تشخیص و شناسایی چهره
در بسیاری از موارد، این زمینه های تحقیقاتی فرض می کنند که چهره ها در توالی تصویر یا ویدویی قبلا شناسایی و محل یابی شده اند. از این روی برای ایجاد یک سیستم خودکار، یک روش تشخیص چهره قوی نیاز است که می تواند یک گام مهم برای داشتن موفقیت در برنامه های پردازش تصویر باشد. تشخیص چهره یک مورد ویژه از تشخیص کلاس شی گرا است که وظیفه اصلی آن موقعیت یابی و تعیین اندازه اشیا در تصویر متعلق به کلاس است. الگوریتم های تشخیص چهره در تشخیص تشخیص چهرهانسان استفاده می شدتد با این حال امروزه تلاش بر این است تا تشیخص چند بعدی از صورت حل شود : چرخش درون صفحه ای و چرخش برون صفحه ای. با این حال، تشخیص چهره هنوز یک چالش بسیار سخت به دلیل تغییرات بالا در اندازه، شکل ، رنگ و بافت چهره انسان است. این بدین معنی است که با توجه به یک تصویر معین، این به بلوک تقسیم شده و هر بلوک به یک ویژگی تبدیل می شود. ویژگی های مربوط به چهره و غیرچهره برای اموزش هر دسته بند استفاده می شوند. سپس با توجه به تصویر ورودی، یک دسته بند قادر به تصمیم گیری است که ایانمونه مربوط به چهره است یا خیر. روش های تشخیص چهره را می توان به صورت زیر طبقه بندی کرد.

ABSTRACT 

Now a days, applications in the field of surveillance, banking and multimedia equipment are becoming more important, but since each application related to face analysis demands different requirements on the analysis process, almost all algorithms and approaches for face analysis are application dependent and a standardization or generalization is quite difficult. For that reason and since many key problems are still not completely solved, the face analysis research community is still trying to cope with face detection and recognition challenges. Local Binary Patterns were first used in order to describe ordinary textures[1] and, since a face can be seen as a composition of micro textures depending on the local situation, it is also useful for face description. The LBP descriptor consists of a global texture and a local texture representation calculated by dividing the image into blocks and computing the texture histogram for each one. The global is used for discriminating the most non-face objects (blocks), whereas the second provides specific and detailed face information which can be used not only to select faces, but also to provide face information for recognition[2].The results will be concatenated in a general descriptor vector, that will be later used to feed an adequate classifier or discriminative scheme to decide the face likeness of the input image or the identity of the input face in case of face recognition.

I. INTRODUCTION

Face detection and recognition are playing a very important role in our current society, due to their use for a wide range of applications such as surveillance, banking and multimedia[3] equipment as cameras and video game consoles to name just a few. Most new digital cameras have a face detection option for focusing faces automatically. Some companies have even gone further, like a well-known brand, which has just released a new functionality not only for detecting faces but also for detecting smiles by analyzing “happiness” using facial features like mouth, eye lines or lip separation, providing a new “smile shutter” feature which will only take pictures if persons smile. In addition, most consumer electronic devices such as mobile phones, laptops, video game consoles and even televisions include a small camera enabling a wide range of image processing functionalities including face detection and recognition applications. For instance a renowned TV manufacturer has built-in a camera to some of their television series to make a new feature called Intelligent Presence Sensor possible. The users’ presence is perceived[4] by detecting faces, motion, position and even age, in the area in front of the television and after a certain time with no audience, the set turns off automatically, thus saving both energy and TV life. On the other hand, other demanding applications for face detection and recognition are in the field of automatic video data indexing to cope with the increase of digital data storage. For example, to assist in the indexing of huge television contents databases by automatically labeling all videos containing the presence of a given individual. In a similar way, face detection and recognition techniques are helpful for Web Search Engines or consumers’ picture organizing applications in order to perform automatic face image searching and tagging. For instance, Google’s Picasa digital image organizer has a built-in face recognition[5] system that can associate faces with people, so that queries can be run on pictures to return all images with a specific group of people together. Another example is iPhoto, a photo organizer distributed with iLife that uses face detection to identify faces of people in photos and face recognition to match faces that look like the same person. After four decades of research and with today’s wide range of applications and new possibilities, researchers are still trying to find the algorithm that best works in different illuminations, environments, over time and with minimum error.

II. FACE DETECTION AND RECOGNITION

In most cases, these research areas presume that faces in an image or video sequence have been already identified and localized. Therefore, in order to build a fully automated system a robust and efficient face detection method is required, being an essential step for having success in any face processing application. Face detection is a specific case of objectclass detection, which main task is to find the position and size of objects in an image belonging to a given class. Face detection algorithms were firstly focused in the detection of frontal human faces, but nowadays[6] they attempt to be more general trying to solve face multi-view detection: in-plane rotation and out-of-plane rotation. However, face detection is still a very difficult challenge due to the high variability in size, shape, color and texture of human faces. Generally, face detection algorithms implement face detection as a binary pattern classification task. That means, that given an input image, it is divided in blocks and each block is transformed into a feature. Features from class face and non face are used to train a certain classifier. Then given a new input image, the classifier will be able to decide if the sample is a face or not. Face detection methods can be classified in the following categories

تشخیص حالت چهره غیر حساس از طریق بازسازی چهره 3D با استفاده از فیلتر گابور از یک تصویر دو بعدی

Expression-Invariant Face Recognition via 3D Face Reconstruction Using Gabor Filter Bank from a 2D Single Image

Abstract

In this paper, a novel method for expression-insensitive face recognition is proposed from only a 2D single image in a gallery including any facial expressions. A 3D Generic Elastic Model (3D GEM) is used to reconstruct a 3D model of each human face in the present database using only a single 2D frontal image with/without facial expressions. Then, the rigid parts of the face are extracted from both the texture and reconstructed depth based on 2D facial land-marks. Afterwards, the Gabor filter bank was applied to the extracted rigid-part of the face to extract the feature vectors from both texture and reconstructed depth images. Finally, by combining 2D and 3D feature vectors, the final feature vectors are generated and classified by the Support Vector Machine (SVM). Favorable outcomes were acquired to handle expression changes on the available image database based on the proposed method compared to several state-of-the-arts in expression-insensitive face recognition.

1 Introduction

Expression-insensitive face recognition is one of the most difficult and challenging tasks in computer vision because of the changes in expression of human faces. However, few are focused on how to robustly recognize faces with expressions under the restriction of one 2D single training sample for each class. Available expression-insensitive face recognition methods can be mostly categorized into two separate types: 1) 2D-based techniques which use the 2D image to handle the expression in face recognition [1, 2] and 2) 3D-based methods which employ a 3D model (including depth and texture images) to handle expression in face recognition faces [3, 4, 5].

2D-based methods which are used from only a single image in the training set can be roughly divided into two main categories: model-based and optical flow-based. The basic idea in the model-based category is to warp images to similar global face transforms as the ones used for training. The concept of separately modeling texture and transform information has been applied in the Active Shape Model (ASM) and Active Appearance Model (AAM) [6, 7], and etc. Face transform is defined via a set of feature points in ASM, while face texture can be warped to the mean shape in AAM. Ramachandran et al. [8] presented preprocessing steps to convert a smiling face to a neutral face. Li et al. [9] applied a face mask for face transform normalization, and then calculated the Eigenspaces for transform and texture separately. However, this approach but not all images can be well warped to a neutral image because of the lack of texture in certain regions, like the openness of the mouth.

تشخیص جنسیت و قومیت از پروفایل های نیم رخ سایه صورت

Gender And Ethnicity Identification From Silhouetted Face Profiles

چکیده 
این مقاله اولین به شناسایی جنسیت و نژاد از پروفیل های چهره سایه دار با استفاده از روش چشم کامپیوتری می پردازد. نتایج بعد از تست 441 تصویر نشان داد که پروفیل های سایه دار دارای حداکثر میزان اطلاعاتی هستند که برای شناسایی نژاد استفاده می شوند. تطبیق مبتنی بر زمینه شکل برای طبقه بندی استفاده شد. نمونه های ازمایشی به صورت چند نژادی هستند. صحت متوسط برای جنسیت 71.20 و برای نژاد 71.66 درصد هستند. با این حال، صحت برای برخی کلاس ها معنی داربود یعنی 83.41 درصد برای زنان و 80.37 درصد برای شرق و جنوب شرق اسیا.

1- مقدمه
شناسایی جنسیت و نژاد یک چالش مهم در پردزاش تصویر است. این ها کاربرد های زیادی با توسعه تعامل کامپیوتر-انسان و فناوری نظارت بصری دارند. شناسایی جنسیت می تواند در تشخیص چهره مفید باشد زیرا موجب کاهش مسئله تطبیق چهره با نیمی از دیتابیس می شود به شرط این که احتمال وقوع یکسان باشد. شناسایی نژاد بایستی این مسئله را کاهش دهد. در HCL، کامپیوتر می تواند جنسبت را با پردازش صدا و یا ارایه گزینه هایی مفید تشخیص دهد. این ها به اگاهی از توزیع جغرافیایی مشتریان کمک می کند.
در بخش های زیر ما به توصیف دینابیس، شرایط ازمایشی و نتایج و بحث می پردازیم. لطفابه یاد داشته باشید که عبارت نژاد و جنسیت اشاره به افرادی دارند که دراای ویژگی های چهره ای مشابه و مشترک هستند و از این روی متفاوت از گروه های دیگر است.
2- پس زمینه
انسان ها در تصمیم گیری در مورد جنسیت یک چهره دقت زیادی ندارند به خصوص زمانی که ارایش، سبک مو و یا موی چهره به حداقل رسانده شود. نتایج نشان می دهد که هر دو رنگ و شکل در تصمیم گیری در مورد جنسیت و نژاد از چهره مهم است. براس و همکاران نشان داد که چهره میانگین مرد از چهره زن در نمای سه بعدی متفاوت است. شکل در تصمیمات نژادمهم است.
دیاکنو (4) حضور علایم در انسان حتی در پروفیل نیم رخ را برای تشخیص جنسیت ضروری می کند. در مطالعه اخیر، دیوانکو و همکاران نشان دادع است که سایه صورت اطلاعاتی را برای تشخیص نژاد ارایه می کند.
بیشتر کار های فعلی در جامعه چشم کامپیوتر از تصاویر چهره برای تشخیص نژاد و جنسیت استفاده می کند. برخی از منابع در خصوص تشخیص جنسیت را می توان در منابع 6 تا17یافت در حالی که اطلاعات نژاد را می توان در 8-11-17-18-19 یافت با این حال هیج مقاله ای بهبررسی پروفیل چهره سایه دار نپرداخته است. این مقاله اولین به شناسایی جنسیت و نژاد از پروفیل های چهره سایه دار با استفاده از روش چشم کامپیوتری می پردازد. نتایج بعد از تست 441 تصویر نشان داد که پروفیل های سایه دار دارای حداکثر میزان اطلاعاتی هستند که برای شناسایی نژاد استفاده می شوند. تطبیق مبتنی بر زمینه شکل برای طبقه بندی استفاده شد. نمونه های ازمایشی به صورت چند نژادی هستند. صحت متوسط برای جنسیت 71.20 و برای نژاد 71.66 درصد هستند

ABSTRACT

This paper demonstrates, to our best knowledge, the first attempt on gender and ethnicity identification from silhouetted face profiles using a computer vision technique. The results achieved, after testing on 441 images, show that silhouetted face profiles have a lot of information, in particular, for ethnicity identification. Shape context based matching [1] was employed for classification. The test samples were multi-ethnic. Average accuracy for gender was 71.20% and for ethnicity 71.66%. However, the accuracy was significantly higher for some classes, such as 83.41% for females (in case of gender identification) and 80.37% for East and South East Asians (in case of ethnicity identification).

1. INTRODUCTION

Gender and Ethnicity identification present yet another challenge in face processing. These have an increasing number of applications as Human-Computer Interaction (HCI) and visual surveillance technologies evolve. Gender identification can be useful in face recognition, as this shall reduce the problem of matching the face with half of the database (provided both the genders have equal probability of occurrence in the database). Ethnicity identification shall reduce this problem even further (provided the database is multi-ethnic). In HCI, for instance, the computer can adapt to a person’s sex in terms of processing (e.g.) the person’s voice or offering the person the options which may be more specific and useful to a particular gender, etc. These may also aid shopkeepers; for example, to know the demographic distribution of the customers over a period of time. In the following sections, we’ll present the novelty of this paper, description of the database, experimental setup and finally the results and discussion. Please note that the terms race and ethnicity, in this paper, refer to a group of people who share similar facial features, which perceptually distinguish them from other groups (ethnicities).

2. BACKGROUND

Humans are very accurate in deciding the gender of a face even when cues from makeup, hairstyle and facial hair are minimized [2]. The results from [3] show that both the color and shape are vital in deciding the sex and race from a face by humans. Bruce et al. in [2] showed that the ‘average’ male face differs from an ‘average’ female face in the 3-D representation of the face (obtained by laser scanning), by having a more protuberant nose/brow and more prominent chin/jaw. Shape was also found important in race (ethnicity) decisions as shown in [3]. Davidenko in [4] reveals the presence of cues for humans, even in silhouetted face profiles, for gender identification. In a more recent study, Davidenko et al. [5] claimed that face silhouettes also have information for ethnicity identification. Most of the existing work in the computer vision community uses frontal face images for gender or ethnicity identification. Some examples of the existing literature on gender identification may be found in [6], [7], [8], [9], [10], [11], [12], [13], [14], [15], [16] and [17]; while for ethnicity identification may be found in [8], [11], [17], [18] and [19]. But none of the papers ever experimented with silhouetted face profiles. The aim of this paper is to exploit the information available in the silhouetted profile faces reported in [4] and [5]. This paper, to our best knowledge, demonstrates the first attempt for gender and ethnicity identification using silhouetted face profiles with any computer vision technique. In future, this may be fused with some other method.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

در واقع، از ویژگی‎‌های این آشکارساز تفاوت‌های وزنی در انتگرال نواحی مستطیل شکل است. شکل 4 مجموعه‌ای از انواع ویژگی‌های موجود (گرفته شده از [13]) را به تصویر می‌کشد که در آن مستطیل‌های سیاه و سفید مربوط به وزن مثبت و منفی هستند. ویژگی‌ها شامل چهار نوع ویژگی مختلف لبه، هشت ویژگی خطی و دو ویژگی مرکزی فراگیر است.
الگوریتم یادگیری (بنا به یادگیری درخت تصمیم) ویژگی‌ها را به‌طور خودکار با توجه به تمام ویژگی‌های تفکیک شده‌ی ممکن، اندازه و مکان انتخاب می‌کند. مقایسه ویژگی‌های انتخاب شده در روش شی محور و روش بافت محلی جالب است.

در موارد شی محور سه ویژگی اول، ضبط نواحی داخلی چهره، به ویژه اطراف چشم و اطراف دهان و بینی با استفاده از امکانات خط افقی و عمودی است. ویژگی‌های اضافی عمدتا ویژگی‌های لبه برای گرفتن خطوط سر و چانه است (F5، F8 و F9 در شکل).
بنابراین، برای بافت محلی اولین ساختار در کل مسیر گسترش می‌یابد، به‌عنوان مثال آن واقعا از بافت محلی استفاده می‌کند. ویژگی‌های زیر خطوط سر و بدن (ویژگی های F2-F5) را ضبط می‌کند. ویژگی‌های دیگر شانه سمت چپ و راست (ویژگی های F9 و F10 در مثال بالا، ویژگی F14 در مثال پایین) را ضبط می‌کند. از این رو کاملا متفاوت از آشکارسازهای سنتی چهره است، که به تنهایی بر روی قطعات صورت تکیه داشتند.

2.1. روش آموزش و جزئیات پیاده‌سازی
چارچوب آشکارساز استفاده شده در این ایده بر اساس افزایش آشکارساز آبشاری طبقه‌بندی شده است (نگاه کنید به [7]) اما قابلیت تنظیم اصلی را گسترش می‌دهد و انواع مختلف تقویت یادگیری را ارائه می‌دهد [13]. این بخش خلاصه‌ای از ضروری‌ترین جزئیات پیاده‌سازی در مورد ویژگی‌های الگوریتم یادگیری و پارامترهای آموزشی است.
انواع ویژگی‌های مشخص شده در شکل 4 یادآور موجک‌ها و ویژگی‌های اولیه از مسیر بینایی انسان مانند مرکز فراگیر و جهت پاسخ است. مزیت اصلی آنها این است که می‌توان آنها را باهم و در زمان ثابتی در هر مقیاسی محاسبه کرد. هر ویژگی با جمع پیکسل در مستطیل‌های کوچکتر قابل محاسبه است.

با وزن‌های ωi ∈ R، مستطیل r_i و شماره آن‌ها یعنی N، تنها ترکیب وزنی مجموع پیکسل‌های دو مستطیل در نظر گرفته می‌شود، که N=2 است. وزن‌ها علاماتی مخالف دارند (با نقاط سیاه و سفید در شکل نشان داده شده‌اند)، و برای جبران تفاوت در منطقه استفاده می‌شود. محاسبات کافی با استفاده از خلاصه جدول‌ها قابل دستیابی است. ویژگی‌های چرخشی و ویژگی‌های فراگیر مرکزی مجموعه‌ای از ویژگی‌های اصلی از ویولا-جونز توسط Lienhart و همکارانش [13] با استفاده از خلاصه جداول چرخش است. مجموعه اصلی تنها شامل ویژگی‌های ( 1a)، ( 1b)، ( 2a)، ( 2c) به‌عنوان یکی از ویژگی‌های مورب است که توسط ویژگی‌های چرخشی رده‌بندی می‌شود. مجموعه‌ای از ویژگی افزوده برای گسترش بیان و تطبیق‌پذیری ویژگی‌های اصلی منجر به تشخیص دقیق‌تر نشان داده شده است. توجه داشته باشید که نمایش ویژگی‌ها نیازی به محاسبه هرم تصویر برای جستجو در مقیاس‌های مختلف ندارد.
الگوریتم یادگیری آبشاری مشابه درخت تصمیم یادگیری است. اساسا، طبقه‌بند آبشاری می‌تواند به‌عنوان یک درخت تصمیم‌گیری بیان شود. برای هر مرحله در آبشار زیرطبقه‌بند جداگانه‎ای برای تشخیص تمام اهداف اشیاء آموزش داده شده است درحالی که بخش خاصی از الگوهای غیر شی صرف‌نظر می‌شوند.

برای مثال، اگر یک آشکارساز 20 مرحله‌ای به گونه‌ای آموزش دیده باشد که در هر مرحله 50 درصد از الگوهای غیرشی حذف شوند (هدف قرار دادن میزان مثبت کاذب) درحالی‌که تنها 0.1٪ از الگوهای شی (نرخ تشخیص هدف) به اشتباه از بین رفته است سپس انتظار می‌رود نرخ تشخیص کلی 0.99920 ≈ 0.98 با میزان مثبت کاذب 0.520 ≈ 0.9 * 10-6 باشد. در نهایت، تعداد مورد نظری از مراحل، هدف نرخ مثبت کاذب و نرخ تشخیص هدف در هر مرحله اجازه می‌دهد تا دقت و سرعت طبقه‌بندی مورد نظر مبادله شود. همچنین توضیح می‌دهد که تعداد مختلفی از ویژگی‌ها در مرحله اول برای آشکارساز شی محور و برای آشکارساز بافت محلی در شکل 5 نشان داده شده است.
مراحل جداگانه بااستفاده از تقویت که مجموعه‌ای از “یادگیرنده‌های ضعیف” نامیده می‌شود ترکیب می‌شوند ( “طبقه‌بندی قوی”). در این مورد یک یادگیرنده ضعیف معادل یکی از ویژگی‌های خاص و (به‌طور خودکار آموزش‌دیده) آستانه باینری در مقدار آن است. هر دور از افزایش یادگیرنده ضعیفی را (به‌عنوان مثال از ویژگی‌ها و آستانه) انتخاب می‌کند که مجموعه آموزش را به بهترین شکل ممکن طبقه‌بندی می‌کند. اولین افزایش، فرض می‌کند که وزن داده‌های آموزشی یکنواخت است درحالی‌که مراحل پی‌در‌پی وزن بالاتری به موارد آموزشی که به اشتباه طبقه‌بندی شده‌اند نگاشت می‌کند. این مسئله موجب می‌شود بر روی الگوریتم در موارد “سخت”بیشتر تمرکز شود. تفاوت افزایش در انواع گسسته، AdaBoost واقعی و آرام به‌طور عمده توسط چارچوب OpenCV در نحوه تعیین وزن‌های جدید متفاوت از داده‌های آموزشی ارائه شده است. برای جزئیات بیشتر توصیه می‌شود به [14] مراجعه کنید. به‌صورت تجربی در [12] تجربی نشان داده شده است که AdaBoostآرام در موارد گسسته بهتر عمل می‌کند و AdaBoost واقعی برای کارهای تشخیص چهره دقت و سرعت بیشتری دارد. بنابراین AdaBoost آرام (GAB) انتخاب نهایی شده است.

در نهایت، مهم‌ترین پارامترهای آموزشی مانند نوع و تعداد نمونه آموزش، نرخ هدف و اندازه پنجره تشخیص به‌صورت خلاصه بیان شده است. حدودا 1000 نمونه بافت محلی از جهان گسترده وب و از مجموعه عکس‌های خصوصی جمع آوری شده است. به‌منظور محدود کردن میزان تنوع و در نتیجه افزایش تفکیک، تنها دیدگاه روبه‌جلو برای آموزش و موارد تقریبا تراز وسط استفاده شده است. هر مثال مثبت به 20 × 20 پیکسل کوچک شده است.
برای جمع‌آوری نمونه‌های منفی یک زیرمجموعه از پایگاه‌داده‌های تصویر WuArchive استفاده شده است که شامل تمام افراد نیست. این تصاویر بارها و بارها توسط الگوریتم یادگیری برای جستجوی الگوهای شی بررسی شده است. “مرز موارد” اجازه می‌دهد تا کران تصمیم مجددا تعریف شود (این روش گاهی اوقات به عنوان “خود راه انداز” نامیده می‌شود). آموزش آشکارساز بافت محلی حدودا 48 ساعت در یک ماشین پنتیوم 1GHz زمان می‌برد. جدول 1 پارامترهای آشکارساز بافت محلی را با آشکارساز جسم محور که همراه با کتابخانه OpenCV است مقایسه می‌کند که در آزمایشات بخش بعدی مورد استفاده قرار گرفته است.