人脸识别分类器

Posted 2023-03-13

【中文标题】人脸识别分类器

【英文标题】：Face Recognition Classifier

【发布时间】：2014-05-23 15:53:39

【问题描述】：

参考前面的post，分类的方法是Euclidean Distance with Nearest Neighbor。然而，得到的结果并不准确，因为已知数据集和未知数据集的相似度都为 99%。即使使用马氏距离也给出了类似的结果。

人脸识别分类还有其他方法吗？你能给我一些例子/公式吗？

float d_i = projectedTestFace[i] - projectedTrainFaceMat->data.fl[iTrain*nEigens + i];
distSq += d_i*d_i; // Euclidean distance

【参考方案1】：

恕我直言，如果你得到不好的结果，那就怪你的输入，而不是距离公式

无需任何进一步的预处理（对齐、裁剪、均衡），即使是像素上的普通 L2 范数也能提供比特征脸更好的结果。 （这里是可悲​​的事实）

从 2.4.2 开始，opencv 拥有face-recognition out of-the-box。 （还具有替代的 Fisher 和 lbph 功能）

您可能应该使用它，而不是自己滚动（并且请使用 c++ api，而不是神秘的 c api）。

如果您确实想坚持使用特征脸，您仍然可以尝试将“重建”（来自特征向量）图像和测试图像之间的 L2 距离作为置信度度量，如 done here（再次由舍文）

【讨论】：

我做了对齐、调整大小和 histogramEqualization 但结果还是一样。我正在尝试 L2 距离，但得到的结果是“-nan”@berak

【参考方案2】：

// Compare two images by getting the L2 error (square-root of sum of squared error).
double getSimilarity(const Mat A, const Mat B)

if (A.rows > 0 && A.rows == B.rows && A.cols > 0 && A.cols == B.cols) 
    // Calculate the L2 relative error between the 2 images.
    double errorL2 = norm(A, B, CV_L2);
    // Convert to a reasonable scale, since L2 error is summed across all pixels of the image.
    double similarity = errorL2 / (double)(A.rows * A.cols);
    return similarity;

else 
    //cout << "WARNING: Images have a different size in 'getSimilarity()'." << endl;
    return 100000000.0;  // Return a bad value

我想知道为什么我总是返回 100000000。这是否意味着预处理和重建的人脸大小不同？这就是它跳过L2距离比较的原因？

以下是我的部分代码：

Mat j =projectedTestFace[i];
Mat k =projectedTrainFaceMat>data.fl[iTrain*nEigens + i];
similarity=getSimilarity(j,k);

没有 else 语句，我得到相似度=-nan 结果，想知道 -nan 和 -inf 代表什么。

【讨论】：

"这是否意味着预处理和重建的人脸大小不同？" - 是的。但请不要跳过它，而是调整图像大小

Mat k 是阈值吗？ （我不明白：data.fl[iTrain*nEigens + i]，因为 iTrain*nEigens + i 在我看来不是一个有效的索引）

我目前正在使用剑桥人脸数据库，该数据库具有所有标准尺寸 112x92，我也使用其中一个 112x92 样本进行测试。不知道为什么它仍然显示差异大小。 Mat k 是要与测试人脸进行比较的数据库人脸，Mat k 是指第一个 Eigenface 位置（存储在 2D 数组中）。这是我的理解。我还在问上一篇文章 [link] (***.com/questions/22791971/…) @berak

hmm，像Mat a,b; a = b>17; 这样的表达式有一个阈值。我不在那里使用'>'。同样，data.fl 必须引用 CvMat，而不是 cv::Mat。将不推荐使用的 c-api 函数/结构与 c++ 混合是灾难的收据

哦，看看你的上一个。帖子使它更清晰一些。我想，你是从这里得到的：float d_i = projectedTestFace[i]-projectedTrainFaceMat>data.fl[iTrain*nEigens + i];（“>”应该是一个“->”（指针访问），不是吗？