基于openCV的特征脸

Question

我刚刚用cv2.createEigenFaceRecognizer认出了一些面孔。但我想知道的是，输入面与计算出的特征面有多相似。这个想法是，你可以重新识别不在数据库中的人。

编辑：

例如:我在我的模型上训练了人脸A，B和C，然后我看到了人脸C和D。我希望能够区分人脸C和D。

谢谢!

Answer 1

您可以在cv::FaceRecognizer上的文档中找到有关设置阈值的部分，网址为：

• http://docs.opencv.org/trunk/modules/contrib/doc/facerec/facerec_api.html#setting-the-thresholds

它对于Python包装器也是一样的，当您在OpenCV中调用help(cv2.createFaceRecognizer)时可以很容易地看到：

Help on built-in function createEigenFaceRecognizer in module cv2:

createEigenFaceRecognizer(...)
    createEigenFaceRecognizer([, num_components[, threshold]]) -> retval

因此，在代码中，您将创建具有阈值的模型，我将其设置为100.0。低于此值的任何值都将在预测中生成-1，这意味着此面是unknown

# Create the Eigenfaces model. We are going to use the default
# parameters for this simple example, please read the documentation
# for thresholding:
model = cv2.createEigenFaceRecognizer(threshold=100.0)

如演示中所示，您可以使用以下命令获得预测和相关置信度(即到训练数据集中最近邻居的距离)：

[predicted_label, predicted_confidence] = model.predict(image)

因此，如果您在主题A、B、C 和上训练您的模型，则对D的预测应该产生-1，而A、B或C应该被识别。假设你使用的是一个阈值。

至于迭代添加新面孔，而不需要重新估计整个模型。这对于Eigenfaces或Fisherfaces方法是不可能的。你总是需要为这两个算法调用FaceRecognizer::train来学习模型。可以使用cv2.createLBPHFaceRecognizer创建的局部二进制模式直方图(LBPH)模型支持更新模型，而无需重新计算其他训练样本。请参阅API文档以了解以下内容：

• http://docs.opencv.org/trunk/modules/contrib/doc/facerec/facerec_api.html#facerecognizer-update