Opencv 特征脸算法
我正在用OpenCV编写一个人脸识别程序 生成特征面时:Opencv 特征脸算法,opencv,computer-vision,face-detection,face-recognition,eigenvector,Opencv,Computer Vision,Face Detection,Face Recognition,Eigenvector,我正在用OpenCV编写一个人脸识别程序 生成特征面时: 我需要使用一个巨大的未知人脸数据库吗 我是否只需要使用我希望系统识别的人的照片 我需要两者都用吗 我说的是特征脸生成,这是“学习”步骤 我需要使用多少张照片才能获得足够的准确度?更像是20,还是2000 谢谢你不需要太多的随机人脸来合成人脸;在接近20个的地方应该会有好的结果,如果可以的话,可能会有更多的结果。在相同的光照条件下,它们应尽可能彼此对齐,正面和灰度照片。特征脸的工作原理是使用主成分分析或PCA将人脸投影到特定的“人脸基础
- 我需要使用一个巨大的未知人脸数据库吗
- 我是否只需要使用我希望系统识别的人的照片
- 我需要两者都用吗
谢谢你不需要太多的随机人脸来合成人脸;在接近20个的地方应该会有好的结果,如果可以的话,可能会有更多的结果。在相同的光照条件下,它们应尽可能彼此对齐,正面和灰度照片。特征脸的工作原理是使用主成分分析或PCA将人脸投影到特定的“人脸基础”中。基础不一定包括你想认出的人的照片 相反,我鼓励您基于一个大的数据库(至少10k个面)进行训练,该数据库已注册良好(eigenfaces不能很好地处理移动的图像)。Turk和Pentland的原始论文之所以引人注目,部分原因在于他们发布的大型pin注册人脸数据库。我还想说的是,尝试将数据库和测试输入之间的照明规格化为相同
就测试而言,前20个组件应足以重建人类可识别的人脸,前100个组件应足以区分任意大数据集的任何两张人脸。感谢您的回答。那么,你的意思是我只需要使用随机人脸,而不是我想要识别的人脸吗?初始训练集应该由唯一的个体组成,还是每个个体有多张图像有用?如果允许倍数,那么每个人是否应该拥有大致相同数量的训练图像?我认为唯一性并不重要。合理的分配当然是好的。你得到的正是你在机器学习中训练的输入。如果数据集包含80%以上的你的图像,那么你可能会构建更多的你检测器,而不是普通的人脸检测器。与构建自己的数据集不同,网上有多个好的数据集可以满足最需要的标准。