Erkennung von Personen anhand ihrer Kleidung und die ...

Bei dem in Abbildung 3.1 gezeigten Beispiel bekommt das betrachtete Pixel den Binärwert
00001111, was dem Dezimalwert 15 entspricht. Führt man diese Operation für alle
Pixel eines Bildes aus, erhält man eine neue Darstellung des Bildes (siehe Abbildung
3.2). Mit Hilfe der im Abschnitt 3.1 vorgestellten Histogramme lässt sich daraus ein
Merkmalsvektor c berechnen.
Abbildung 3.2: Darstellung eines LBP-Bildes
Im Rahmen dieser Bachelorarbeit wurde eine erweiterte Form der Local Binary Patterns
verwendet. Dabei kann man festlegen, wie groß der Abstand d nachb zwischen
den Pixeln in der Nachbarschaft des betrachteten Pixels ist (siehe Abbildung 3.3).
Abbildung 3.3: Verwendete Nachbarschaft bei entsprechendem Abstand d
Es wurde festgestellt, dass die meiste Information über die Struktur eines Bildes in einer
Teilmenge aller 256 möglichen Local Binary Patterns liegt. Diese Teilmenge stellt
geometrische Strukturen, wie Linien, Kanten und Ecken, dar und enthält nur Local
Binary Patterns, bei denen sich der Bitwert in der Binärdarstellung höchstens 2 mal
ändert. Dazu gehören z.B. 00000000, 11100111, 00001111 und 11111111. Insgesamt
hat die Teilmenge 58 Elemente. Werte, wie 10011001 und 00000101, gehören nicht
zu der Teilmenge. [13] Um die Dimension des Merkmalsvektors c zu verringern, und
damit die Klassifikation schneller zu machen, werden bei der Erstellung des, den Merkmalsvektor
darstellenden, Histogrammes nur Local Binary Patterns aus dieser Teilmenge
gezählt. Die Übrigen werden verworfen.
12