background image

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