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：

• 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”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。