Opencv 在训练集中只有一个人的情况下，用于人脸识别的最佳算法是什么

那么，当我们只处理一个人而不需要包含其他随机人的脸（如att_faces db）时，如何训练一个eigen、fisher、LBP或任何其他算法呢

我只想在训练集中有一个人的脸，比较一下，看看给我脸的人是不是那个人。我知道你可以在训练中看到其他人的脸，让它对其中一张进行分类，甚至得到分类的向量距离，但我认为如果你把它作为一种安全措施，比如说，作为第二因素认证，它是不安全的。我的意思是，如果att_faces数据库中的某个随机人真的使用了这个系统怎么办

那么什么是最好的方法呢。在我看来，我们几乎总是要用一群人的脸和我们的脸来训练我们的系统

---

想想Iphone的触摸指纹识别。我确信他们那里没有一堆random的人的指纹，这样系统就可以把我们的指纹和其他人的指纹区分开来

如果您有人员X和人员A B C D来培训系统，如果您只想授予人员X访问权限，那么如果B C或D被识别，您就不会开门；）但是有明显不同的问题…问题是我只想有X个人，并且只在X个人上训练它。我知道的分类算法在这种情况下不起作用“我知道你可以在训练中看到其他人的脸，让它对其中一张进行分类，甚至可以得到分类的向量距离，但如果你把它作为一种安全措施，比如说，作为第二因素身份验证，我认为这是不安全的。我的意思是，如果att_faces数据库中的某个随机人真的使用了这个系统怎么办？“一类支持向量机可以很好地用于确定输入是否属于某一类。但是，我相信，使用多个标记类来训练特征提取/相似性函数，从而优化识别或验证任务性能的算法背后可能没有什么威力。而iPhone可能没有t包含所有来自培训的指纹（在某些情况下），也就是说，有些训练模型是从训练集中派生出来的。这个模型可以解释为对指纹的类间/类内变化进行编码。如果你有人X和人a B C D来训练系统，如果你只想授予人X访问权限，只要识别出B C或D，你就不会开门；）bu有明显不同的问题…问题是我只想有X个人，并且只想在X个人上训练它。我知道的分类算法在这种情况下不起作用。下面我们来谈谈你的“我知道你可以在训练中看到其他人的脸，让它对其中一张进行分类，甚至得到分类的向量距离，但我认为如果你把它作为一种安全措施，比如说，作为第二因素认证，它是不安全的。我的意思是，如果att_faces数据库中的某个随机人真的使用了这个系统怎么办？“一类支持向量机可以很好地用于确定输入是否属于某一类。但是，我相信，使用多个标记类来训练特征提取/相似性函数，从而优化识别或验证任务性能的算法背后可能没有什么威力。而iPhone可能没有不包含所有来自训练的指纹（在某些表示法中），有一些训练模型是从训练集中派生出来的，这不无道理。该模型可以解释为对指纹的类间/类内变化进行编码。