Σχεδιασμός και κατασκευή ενός υβριδικού αμυντικού αυτοματοποιημένου ρομποτικού συστήματος
118
4.3.3 Αλγόριθμος Local Binary Patterns Histograms
Στους δύο παραπάνω αλγορίθμους παρατηρείται ότι η αύξηση του ποσοστού της
επιτυχημένης αναγνώρισης εξαρτάται από το ποσό των εικόνων που θα εισαχθούν ως προς
εκπαίδευση στο σύστημα. Επειδή δεν γίνεται να λαμβάνονται εκατοντάδες εικόνες από το
ίδιο πρόσωπο με στόχο τη διαφοροποίηση του φωτισμού, ούτε είναι εύχρηστη η δημιουργία
τεράστιων βάσεων δεδομένων, οι προγραμματιστές προχώρησαν στην ανάπτυξη του
αλγορίθμου Local Binary Patterns Histograms.
Η ιδέα ανάπτυξης του αλγορίθμου αυτού βασίζεται στην ανάλυση των χαρακτηριστικών
ως αντικείμενα χωριστά και όχι στην προβολή τους σε κάποιο διάνυσμα όπως οι παραπάνω
αλγόριθμοι. Η ουσιαστική λειτουργία του αφορά τη σύγκριση γειτονικών pixel, όπως
φαίνεται στο παράδειγμα της Εικόνα 49. Αρχικά, η εικόνα χωρίζεται σε m περιοχές με στόχο
την παραγωγή ενός ιστογράμματος από κάθε περιοχή με τη μέθοδο που περιγράφεται
παρακάτω.
Για τη σύγκριση, λαμβάνεται ένα pixel ως κεντρικό και με βάση αυτό τίθενται τα
κατάλληλα όρια για τους οκτώ γείτονες του. Εάν η ένταση του κεντρικού αυτού pixel είναι
μεγαλύτερη ή ίση με το γείτονα που το συγκρίνουμε, τότε η τιμή του γειτονικού pixel αλλάζει
και γίνεται 1. Σε αντίθετη περίπτωση το γειτονικό pixel παίρνει την τιμή 0.
Εικόνα 49: Διαδικασία αλλαγής τιμών στον αλγόριθμο Local Binary Patterns Histograms.
Με την ίδια λογική μετατρέπονται οι τιμές όλων των pixel σε δυαδικές τιμές. Με την
ολοκλήρωση της αλλαγής τιμών όλων των pixel, παράγεται ένα ιστόγραμμα να που
αντιστοιχεί σε κάθε κελί ανάλογα με τη σύγκριση που έχει γίνει παραπάνω. Τέλος, παράγεται
ένα τελικό ιστόγραμμα το οποίο προκύπτει από τη συνένωση όλων των επί μέρους