特征面是从什么产生出来的？

Question

我正在为我正在编写的面部识别程序与特征脸一起工作。关于特征脸是如何生成的，我有几个问题：

1. 它们是从许多不同的人的照片中产生的，还是来自同一个人的大量图片？
2. 这些人需要包括你想认识的人吗？如果没有，那又如何进行比较呢？
3. 是为您提供的每一张图像确定一个特征面，还是多幅图片用于创建一个特征面？

这一切都是关于特征脸的生成或学习阶段。谢谢你的帮助或指点我的正确方向！

Answer 1

1. 许多不同的人是非常必要的，以获得支持，以掩盖所有可能的面孔。
2. 不需要这样做，尽管你需要表示所有的维度。一个很好的类比是以重心为中心的坐标来描述三角形中点的位置。你得到了顶点的加权平均值。如果你没有足够的矢量支持(例如，只有两个点)，那么无论你如何处理加权平均值，你都不能描述线外的点。这本质上是bjoernz对白人和亚洲面孔的观点。请注意，这个类比是一个粗略的简化。特征面中的权重实际上更像PCA或Fourier系数。
3. 将每幅图像转化为一个特征面，该特征面是主分量的向量。

Nota bene:你需要很好的脸的登记。众所周知，特征面对于平移/旋转不变性是不好的。除非你注册得很好，否则你的结果可能会很糟糕。最初的土耳其和彭特兰纸是开创性的，不仅是因为技术，而且是因为他们收集的数据集的规模和质量，这使得上述技术成为可能。

Answer 2

实际上，我发现维基百科的特征脸的描述非常有用。回答你的问题：

1. 是的，你应该从许多不同的人那里拍照。
2. 不，特征脸基本上给了你一种描述其他面孔的方法。您可以将特征脸看作是向量空间中的一个基础。你必须确保你能用你所拥有的特征脸来描述你想要识别的脸。如果您只使用高加索面孔来确定特征脸，您可能会在描述各种亚洲面孔时遇到问题，反之亦然。
3. 特征面由一组图像计算，即多幅图像导致多个特征面。

编辑：回答了这个问题，凯文在对问题的评论中补充道：

使用特征脸的想法是，你可以通过混合特征脸来表达一张脸的图像。假设您有三个特征脸ef_1, ef_2, ef_3，并且有一个脸f_1 = a_1 * ef_1 + a_2 * ef_2 + a_3 * ef_3的图像。特征脸是不变的，不管你想用哪一张脸来表达，但是系数a = (a_1, a_2, a_3)是脸的特征。这就是你用来比较两张脸的东西。

但是，为了达到可以使用特征脸的阶段，您首先必须对齐(注册)一个观察到的脸与特征脸，这不是琐碎的，也是一个完全不同的主题(见平绪的答案)。

P.S.：我建议你密切关注领域51:计算机视觉，这是一个关于计算机视觉的堆栈溢出姐妹网站。