本徵臉與openCV

我剛剛認識了一些臉與cv2.createEigenFaceRecognizer。但我想要的是知道多少輸入面看起來像計算的特徵臉。這個想法是，你可以重新識別不在數據庫中的人。本徵臉與openCV

編輯：

例如：我的臉A，B和C的培訓對我的模型，然後我看到C面和D我希望能夠從D.

區分C面謝謝！

來源

2012-09-05 nomoral

您可以找到相應文件，設定閾值的部分上cv::FaceRecognizer：

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

它的工作原理只是OpenCV的Python包裝，它調用的時候，你可以很容易地看到相同help(cv2.createFaceRecognizer)在Python中：

Help on built-in function createEigenFaceRecognizer in module cv2: 

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

所以在代碼中，您將創建模型w如果有閾值，我會將其設置爲100.0。任何低於此將在預測，這意味着這張臉產生-1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)

如演示所示，你可以得到的預測和相關置信（這是在近鄰的距離您訓練數據集）具有：

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

所以，如果你訓練的科目A，B模型，C和您使用的閾值，則D預測應該產生-1，而A,B或C應該被識別。鑑於事實，你正在使用一個門檻。

至於迭代地添加新面孔而不重新估計整個模型。這對於Eigenfaces或Fisherfaces方法是不可能的。對於這兩種算法，您總是需要撥打FaceRecognizer::train來學習該模型。局部二元圖案直方圖（LBPH）模型（可使用cv2.createLBPHFaceRecognizer創建）支持在不重新計算其他訓練樣本的情況下更新模型。查看該API文檔：

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

來源

2012-09-06 18:28:49 bytefish

抱歉，用「rerecognize人不在數據庫中的」我的意思是，你能看到它無需再培訓後再次rerecognize一個未知的臉模型。 – nomoral

對於以opencv開頭的人，'help（cv2.createFaceRecognizer）'會導致錯誤，因爲沒有模塊'createFaceRecognizer'，在放棄搜索源代碼之前花了我一段時間。 – Isaias

這是不正確的。你可以在https://github.com/Itseez/opencv/blob/master/samples/python2/facerec_demo.py找到關於如何使用OpenCV Python Bindings和Eigenface Model的完整源代碼示例。沒有像''cv2.createFaceRecognizer''這樣的方法，這就是你得到錯誤的原因。查看上述答案中鏈接的API文檔，查看哪些功能可用。 – bytefish

本徵臉與openCV

回答

相關問題