如何在OpenCV中获得最相似的特征面或鱼面？

我试图找到两张脸相似性的度量。我使用OpenCV。为此，我用1000张不同人物的1000张照片（每个人1张照片）来训练特征脸/鱼脸。所以我在训练集中也有1000个标签

现在我可以使用预测方法得到最相似的脸

我想输入两张未知的人脸图像，看看它们是否与训练集中的同一个人脸向量相似

以下是openCV的代码，它返回最相似的标签（距离最小）

for（size\t sampleIdx=0；sampleIdx<\u projections.size（）；sampleIdx++）{
双距离=范数（_投影[sampleIdx]，q，范数_L2）；
如果（（距离

问题:

有谁能告诉我如何重写它以输出前10张脸，而不仅仅是前1张？我正在考虑将它们放入优先级队列，但也许有更简单的方法

在培训中：我应该把所有的脸贴在同一个标签上还是贴在不同的标签上？那么我应该贴1个标签还是1000个标签

---

Cheers

Q1:：由于OpenCV不提供默认函数，因此您必须通过创建具有距离和标签的向量来创建自己的函数。您可以按如下所示编写自己的函数，并将距离和标签存储在向量中。在这里，您需要重建OpenCV

virtual void predict(InputArray src, int &label, double &confidence,  Vector <variable>) const = 0;

virtualvoid predict（输入数组src、int和label、双精度和置信度、向量）const=0；
下面是我做的。注意我在Perl上很好，C++中的NeWB（实际上这是我的第一个C++项目！）所以我把很多东西输出到命令行，用Perl。
我和您一样访问了facerec.cpp，并将for循环的内容更改为：

for(size_t sampleIdx = 0; sampleIdx < _projections.size(); sampleIdx++) {
    double dist = norm(_projections[sampleIdx], q, NORM_L2);
    int labelClass = _labels.at<int>((int)sampleIdx);
    cout << dist << " " << labelClass << endl;
    if((dist < minDist) && (dist < _threshold)) {
        minDist = dist;
        minClass = _labels.at<int>((int)sampleIdx);
    }
}

for（size\t sampleIdx=0；sampleIdx<\u projections.size（）；sampleIdx++）{
双距离=范数（_投影[sampleIdx]，q，范数_L2）；
int labelClass=_labels.at（（int）sampleIdx）；
cout：：Q2：不同的主题/人有不同的标签。因此，1000个标签是正确的。
for(size_t sampleIdx = 0; sampleIdx < _projections.size(); sampleIdx++) {
    double dist = norm(_projections[sampleIdx], q, NORM_L2);
    int labelClass = _labels.at<int>((int)sampleIdx);
    cout << dist << " " << labelClass << endl;
    if((dist < minDist) && (dist < _threshold)) {
        minDist = dist;
        minClass = _labels.at<int>((int)sampleIdx);
    }
}

#include <iostream>

using namespace std;