使用 OpenCV 和 Keras 进行人脸比较（不是识别或检测）？

Posted 2023-02-23

【中文标题】使用 OpenCV 和 Keras 进行人脸比较（不是识别或检测）？

【英文标题】：Face comparison (Not recognition or detection) using OpenCV and Keras?

【发布时间】：2018-02-20 10:22:16

【问题描述】：

首先是我的github link for the question。

这是我的问题：

我想用 Python 做一个人脸比较功能。我可以成功（？）使用 OpenCV 识别人脸。现在，我该如何进行比较？

我的理解是这样的：

在一般的机器学习方法中，我需要收集有关该特定人的大量数据并使用 CNN 最终确定它。

但是，我只有 2 张图片，如何进行比较？我应该考虑分类还是聚类（使用 KNN）？

非常感谢您的所有帮助。

【参考方案1】：

您可以使用人脸嵌入的想法，例如在高被引论文FaceNet 中提出并在OpenFace 中实现（也经过预训练）。

总体思路：取一些经过预处理的人脸（正面、裁剪、...）并将其嵌入到具有特征的某个较低维度，即输入中相似的人脸在输出中应该具有较低的欧几里德距离。

所以在你的情况下：使用嵌入 CNN 将你的脸映射到缩小的空间（通常是大小为 128 的向量）并像在欧几里得空间中一样计算距离。当然，那时你也会对面孔进行聚类，但这不是你的任务。

除了一般的想法之外，这里的好处是：openface 是一个很好的可以使用的实现，它的主页也解释了这个想法：

使用深度神经网络在 128 维单位超球面上表示（或嵌入）人脸。

嵌入是任何人脸的通用表示。与其他人脸表示不同，这种嵌入具有很好的特性，即两个人脸嵌入之间的距离越大意味着这些人脸可能不是同一个人。

与其他特征之间的欧几里德距离没有意义的人脸识别技术相比，此属性使聚类、相似性检测和分类任务更容易。

他们甚至有一个比较演示here。

【参考方案2】：

您需要学习人脸的相似度度量。它将允许提取有利于区分不同人的特征。然后，您将能够找到它们之间的差异（距离）。例如，您可以更详细地阅读here。 kNN 之类的东西对于查找相似的人脸组很有用，但它需要使用之前提取的特征。

【参考方案3】：

使用face_recognition 库（比较人脸特征）。它将比较面部特征的编码并返回布尔值。

【讨论】：

正如目前所写，您的答案尚不清楚。请edit 添加其他详细信息，以帮助其他人了解这如何解决所提出的问题。你可以找到更多关于如何写好答案的信息in the help center。