如何在Javacv中获得面相等范围

我使用的是Javacv 1.1。我们使用了一张约翰·列侬的照片来测试一个人脸识别系统，该系统包含一个数据库，其中有3张克里斯蒂亚诺·罗纳尔多和3张约翰·特里的照片。为了验证我的程序在数据库中找不到约翰·列侬，我使用了他的一张照片

但当节目预测谁是照片中的那个人时，我发现克里斯蒂亚诺·罗纳尔多是最相似的人

我需要输入图像和最相似的训练图像之间的距离，以检查是否足够相似来告诉我是谁，或者如果不够，告诉里面的人不知道

另一个问题： 有没有改进正确匹配的技巧？

这是我的解决方案（仅针对Android平台进行测试），假设您使用eigenfaces：

public boolean verifyPerson (Mat matResized) {
        CvArr eigenvectors = faceRecognizer.getMat("eigenvectors");
        CvArr averageFaceRow = faceRecognizer.getMat("mean");
        IplImage img1D =MatToIplImage(matResized.reshape(1,1),-1, -1);
        // Project the input image onto the eigenspace:
        CvMat projection = subspaceProject(eigenvectors, averageFaceRow, img1D);
        // Generate the reconstructed face back from the eigenspace:
        CvMat reconstructionRow = subspaceReconstruct(eigenvectors, averageFaceRow, projection);
        CvMat reconstructionMat = new CvMat();
        cvReshape(reconstructionRow, reconstructionMat, 1, matResized.height()); 
        Mat reconstructedFace = CvMatToMat(reconstructionMat);
        // Calculate the L2 relative error between the 2 images.
        double errorL2 = Core.norm(matResized, reconstructedFace, CV_L2);
        // Scale the value since L2 is summed across all pixels.
        double uncertainty = errorL2 / (double)(matResized.rows() * matResized.cols());
        boolean verified;
        if (uncertainty < MaxPersonUncertainty) {
            verified = true; 
            }else{
            verified = false; // Unknown person.
            }
        return verified;
    }

public boolean verifyPerson（Mat matResized）{
CvArr特征向量=faceRecognizer.getMat（“特征向量”）；
CvArr averageFaceRow=人脸识别器.getMat（“平均值”）；
IplImage img1D=MatToIplImage（matResized.重塑（1,1），-1，-1）；
//将输入图像投影到特征空间：
CvMat投影=子空间投影（特征向量，平均面行，img1D）；
//从特征空间生成重构面：
CvMat重建行=子宏结构（特征向量、平均面行、投影）；
CvMat重建MAT=新CvMat（）；
CVReformate（重构行，重构垫，1，matResized.height（））；
Mat重建面=CvMatToMat（重建Mat）；
//计算两幅图像之间的L2相对误差。
双重错误L2=核心规范（已调整尺寸、重建面、CV_L2）；
//缩放值，因为L2在所有像素上求和。
double不确定性=errorL2/（double）（matResized.rows（）*matResized.cols（））；
布尔验证；
if（不确定度<最大个人不确定度）{
验证=真实；
}否则{
verified=false；//未知的人。
}
返回验证；
}

这是我的解决方案（仅针对Android平台进行测试），假设您使用eigenfaces：

public boolean verifyPerson (Mat matResized) {
        CvArr eigenvectors = faceRecognizer.getMat("eigenvectors");
        CvArr averageFaceRow = faceRecognizer.getMat("mean");
        IplImage img1D =MatToIplImage(matResized.reshape(1,1),-1, -1);
        // Project the input image onto the eigenspace:
        CvMat projection = subspaceProject(eigenvectors, averageFaceRow, img1D);
        // Generate the reconstructed face back from the eigenspace:
        CvMat reconstructionRow = subspaceReconstruct(eigenvectors, averageFaceRow, projection);
        CvMat reconstructionMat = new CvMat();
        cvReshape(reconstructionRow, reconstructionMat, 1, matResized.height()); 
        Mat reconstructedFace = CvMatToMat(reconstructionMat);
        // Calculate the L2 relative error between the 2 images.
        double errorL2 = Core.norm(matResized, reconstructedFace, CV_L2);
        // Scale the value since L2 is summed across all pixels.
        double uncertainty = errorL2 / (double)(matResized.rows() * matResized.cols());
        boolean verified;
        if (uncertainty < MaxPersonUncertainty) {
            verified = true; 
            }else{
            verified = false; // Unknown person.
            }
        return verified;
    }

public boolean verifyPerson（Mat matResized）{
CvArr特征向量=faceRecognizer.getMat（“特征向量”）；
CvArr averageFaceRow=人脸识别器.getMat（“平均值”）；
IplImage img1D=MatToIplImage（matResized.重塑（1,1），-1，-1）；
//将输入图像投影到特征空间：
CvMat投影=子空间投影（特征向量，平均面行，img1D）；
//从特征空间生成重构面：
CvMat重建行=子宏结构（特征向量、平均面行、投影）；
CvMat重建MAT=新CvMat（）；
CVReformate（重构行，重构垫，1，matResized.height（））；
Mat重建面=CvMatToMat（重建Mat）；
//计算两幅图像之间的L2相对误差。
双重错误L2=核心规范（已调整尺寸、重建面、CV_L2）；
//缩放值，因为L2在所有像素上求和。
double不确定性=errorL2/（double）（matResized.rows（）*matResized.cols（））；
布尔验证；
if（不确定度<最大个人不确定度）{
验证=真实；
}否则{
verified=false；//未知的人。
}
返回验证；
}