Java 如何使用opencv计算人脸识别的百分比格式预测置信度？

我正在使用

LBP

类型的

OpenCV人脸识别器

进行两张脸的比较工作。我的问题是如何计算预测置信度的百分比？给出以下代码（

javacv

）：

但是置信度是一个双值，

我应该如何将它转换成
概率的
百分比%
值？
是否存在现有的公式

对不起，如果我没有把我的问题说清楚。好的，下面是场景：

我想比较两张人脸图像，得出两张人脸的相似性，例如输入John的照片和他的同学Tom的照片，假设相似性为30%；然后输入约翰的照片和他哥哥杰克的照片，得到的概率是80%。
这两个相似性因素表明杰克比汤姆更像他的兄弟约翰。。。所以百分比格式中的似然度因子就是我想要的，值越大，表示两个输入面的似然度越高。
目前，我通过使用opencv函数FaceRecognizer.predict计算输入的置信度值来实现这一点，但置信度值实际上代表输入在其特征向量空间中的距离，因此如何将距离（置信度）缩放为似然度百分比格式
 你的问题太深奥了。根据OpenCV文档：
predict（）

预测给定目标的标签和相关置信度（如距离）
输入图像

我不知道你在这里寻找什么，但这个问题并不容易回答。人内人脸变化（同一人的变化）很大，人间人脸变化（来自不同人的人脸）可能更紧凑（例如，当两张脸都在前面，而人内第二张人脸图像是轮廓时），因此这是一个需要答案的完整主题

可能您应该有一个基本事实（即，一些带有已知标签的面），并从该集合中扣除您希望将距离与标签关联的百分比。虽然这也常常是不准确的，因为距离与你对相似性的感知不一致（正如前面提到的，人与人之间的面孔可能会有很大的差异）

编辑：

首先，人类对面孔相似性的感知并不普遍。另一半，大多数人会在不同的姿势和姿势下认出属于同一个人的脸。这里的大多数词都很重要。当你对极限施加压力时，人类的感知将开始分化，例如，当多年来被要求识别一张脸时，时间跨度变得相当大（儿童、青少年和老人）

您要求计算鼻子/眼睛等的相似性？如果是这样的话，我认为最好的办法是找到属于同一个人的一组鼻子/眼睛，并进行训练，然后检查你在不同人的另一组鼻子/眼睛上的表现

据我所知，通常的方法是使用包含阳性和阴性样本的成对图像进行训练和测试。阳性样本是属于同一个人的一对图像，而阴性样本是属于两个不同的人的一对图像

我不确定你到底在问什么，所以也许你可以看看这个

希望有帮助

编辑2：

既然你想把你得到的距离转换成一个以百分比表示的相似性，那么你可以通过某种方式反转距离来得到相似性。不过，这里出现了一些问题：


绝对匹配有一个值，即
dis=0或等效相似性为
sim=100%
，但对于总不匹配没有明确的值：
dis=infinite
so
sim=0%
。另一方面，反向进度有明确的边界
0%-100%

由于极值包括0和无穷大，因此必须进行比简单反演更聪明的转换

您可以很容易地将对应于绝对匹配的
1.0
（或
100%
分配给相似度），但您要将什么视为总不匹配尚不清楚。你可以考虑任意高的值作为<代码> 0 <代码>（因为你没有很大的区别，例如在使用距离10000到11000，我猜）和所有的值高于这个（距离值是）被认为是代码> 0 < /代码>
为了找到应该是哪个值，我建议比较两个完全不同的图像，并使用它们之间的距离为0.0

假设该值为
disMax=250.0和
simMax=100.0
那么一个简单的方法就是：
双sim=simMax-simMax/DISAX*dis

对于0距离，相似度为100.0，对于250距离，相似度为0.0。大于250的值将给出负相似性值，应将其视为0.0。
双精度值代表什么？它的比例是多少？可能是@EdChum的重复项双值置信度应该是从opencv识别器中获取的距离值。predict（）函数。@blgt是的，我要寻找的是，如果是LBP类型识别器，则该公式是您引用的链接。对于LBP，它可能类似于：100.0*distance/（gridx*gridy*256）比@Eypros，我刚刚更新了我的问题，希望能清楚地说明我的问题。谢谢你的建议，看起来很有意义。但是你假设simValue和distanceValue是线性的，这总是正确的吗？我想不是，但这是一个简单的方法。如果你有证据表明，这是应该遵循其他关系，然后遵循这个。但如果你不这样做，我建议你坚持线性。
int n[] = new int[1];
double p[] = new double[1];
personRecognizer.predict(mat, n, p);
int confidence = p[0];