OpenCV/JavaCV人脸识别-非常相似的置信度
我会解释我正在尝试做什么，因为它似乎是相关的，以便理解我的问题。
我目前正在尝试根据数据库中的已知照片，对站在相机前的人进行人脸识别。
这些已知图片是从识别智能卡(仅包含单个正面面部图片)或来自社交网络的正面面部档案图片收集的。根据我到目前为止所读到的，似乎要想获得一个好的人脸识别，需要大量的训练图像(50+)。因此，由于我收集的图像非常少，无法创建可靠的训练集，因此我尝试使用我的实时相机帧捕获(当前使用150)作为训练集，并将之前收集的识别出的照片作为测试集。我不确定我尝试的是不是正确的，所以如果我搞砸了，请让我知道。
所以，问题是，假设我从智能卡上获得了5张识别出的照片，我尝试使用摄像头捕捉到的150帧作为训练集进行人脸识别。在尝试识别时，5个测试面的置信度非常相似，这使得整个程序无用，因为我无法准确地识别任何人。通常，使用不同的相机捕捉作为训练，我从随机人的照片中获得比我自己的照片更高的置信度。
如果你能给我任何帮助，我将不胜感激，因为我对此一无所知。
谢谢。
注意:我使用OpenCV的JavaCV包装器来制作我的程序，以及包中包含的haarcascades。本征面是使用的算法。
回答 2
Stack Overflow用户
发布于 2012-07-07 18:27:46
人脸识别
简介
我想加上这一点。官方OpenCV 2.4.2中已经包含了libfacerec，请查看：
- http://opencv.org/opencv-v2-4-2-released.html
这意味着如果您使用的是OpenCV 2.4.2，那么在contrib模块中就有了新的cv::FaceRecognizer。我知道最近添加了一个Python包装器(感谢它！)，可能在写这篇文章的时候Java也已经包装好了。
cv::FaceRecognizer附带了大量文档，将通过大量完整的源代码示例向您展示如何进行人脸识别：
- http://docs.opencv.org/trunk/modules/contrib/doc/facerec/index.html
如果你想知道可用的人脸识别算法(特征脸，鱼子脸，局部二进制模式直方图)是如何工作的，那么特别要阅读Guide To Face Recognition with OpenCV。在这里，我解释了算法是如何工作的，并提到了它们的缺点：
- http://docs.opencv.org/trunk/modules/contrib/doc/facerec/facerec_tutorial.html
少量图像的人脸识别
现在来看看最初的人脸识别问题，当你的训练数据集很小时。我会给你写一份完整的答案，所以它可能会对从谷歌来这里的人有所帮助。
实际上，当你的数据集中每个人只有很少的样本时，不应该使用特征面和鱼子面。，你需要这些模型的数据才能工作，我再怎么强调也不为过。越多越好。这些方法是基于估计数据中的方差，所以给他们一些数据来估计你的模型！不久前，我在AT&T Facedatabase (使用facerec framework)上运行了一个小测试，显示了这些方法在每个人不同数量的图像下的性能：
我在这里不是在写出版物，也不会用详细的数学分析来支持这些数字。以前已经做过了，所以我建议每个对这些数字有疑问的人去看看(2)，以便看到对小训练数据集的PCA (特征脸)和LDA (鱼子脸)的非常详细的分析。
因此，我建议在小样本场景中使用局部二进制模式直方图(3)进行人脸识别。这些也包括在OpenCV FaceRecognizer中，并且已经被证明在小的训练数据集上表现得非常好。如果您将其与TanTriggs预处理(4)相结合，您应该拥有一个真正健壮的人脸识别模型。TanTriggs预处理在Python语言中是一个8行代码(大约是8行代码)，有关实现，请参阅https://github.com/bytefish/facerec/blob/master/py/facerec/preprocessing.py#L41。这应该很容易适应Java (或者如果人们需要的话，我也可以用OpenCV实现它)。
文学作品
- (1) Belhumeur，P. N.，Hespanha，J.，和Kriegman，D.特征脸与渔夫脸:使用类特定线性投影进行识别。
- (2) Martinez，A和Kak，A. PCA与LDA IEEE关于模式分析和机器智能的事务，卷23，No.2，第228-233页，2001。
- (3) Ahonen，T.，Hadid，A.和Pietikainen，M.使用本地二进制模式进行面部识别。计算机视觉- ECCV 2004 (2004)，469-481。
- (4) Tan，X.和Triggs，B.在困难的照明条件下用于面部识别的增强局部纹理特征集。IEEE图像处理学报19 (2010)，1635-650。
Stack Overflow用户
发布于 2012-07-04 16:15:50
您想知道的是，如何仅使用一张训练图像执行人脸识别。这是可能的，但也取决于您想要分类的不同人的数量。
当然不需要50+训练图像。对于基本的人脸识别，你需要大约50个人脸来计算你的人脸空间(特征脸)。也许你把它和那个混在一起了。看到你的脸有很多变化(肤色，眼镜，形状……)你可以从任何你喜欢的人脸数据库中获取这些人脸。http://www.face-rec.org/列出了几个数据库并解释了不同的算法。
在你计算了你的脸部空间后，你可以训练出尽可能多的脸部。在您的情况下，您只有一个。根据你想要对多少不同的主题进行分类，这可能已经奏效了。
如果你得到了太多的错误分类，我会看看混合方法。混合方法将模板匹配算法(特征脸，渔夫脸)与基于特征的算法相结合。在这种情况下，您使用第一个算法的输出，并将眼睛、鼻子、眉毛、下巴形状等与您的测试脸进行匹配。
简写：
使用haarcascades
- calculate your face space从每个图像中提取人脸classification
- take
- 训练每个人脸
- 询问人脸classification
- take最可能的分类并检查人脸特征
如果你还没有找到它，OpenCV还有一个人脸识别库：https://github.com/bytefish/libfacerec
编辑:我不会使用超过10-15个组件(特征面)。
https://stackoverflow.com/questions/11315157
复制相似问题
腾讯云开发者
