Opencv 关于人脸验证（相对于人脸识别）的置信度评分有什么建议吗？

我在代码中使用特征脸（PCA）进行人脸识别。我使用OpenCV网站上的教程作为参考。虽然这对于识别人脸非常有效（即它可以告诉你谁是正确的），但基于置信度评分的人脸验证（或冒名顶替者检测-验证人脸是否已注册到训练集中）根本不起作用

我计算一个欧几里德距离，并将其用作置信阈值。有没有其他方法可以计算置信阈值？我尝试使用中提到的马氏距离，但它产生了非常奇怪的值

---

PS：像face.com这样的解决方案可能对我不起作用，因为我需要在本地完成所有工作。

除了PCA（线性判别分析）或本地二进制模式（LBP）之外，你可以研究其他特征提取算法

LDA模型类间变化和LBP是一个照明不变的描述符。您可以在OpenCV中实现这两种算法。检查下面的链接

---

您可以使用

子空间项目（）

函数将新的输入面投影到特征空间，然后使用

子空间结构（）

从特征空间生成重构面，然后比较输入面和重构面的相似程度。已知人脸（训练数据集中的人脸）的重建图像将比冒名顶替者的人脸更类似于输入_人脸。 您可以设置用于验证的相似性阈值。 代码如下：

// Project the input face onto the eigenspace.
Mat projection = subspaceProject(eigenvectors, FaceRow,input_face.reshape(1,1));

//Generate the reconstructed face
Mat reconstructionRow = subspaceReconstruct(eigenvectors,FaceRow, projection);

// Reshape the row mat to an image mat
Mat reconstructionMat = reconstructionRow.reshape(1,faceHeight);

// Convert the floating-point pixels to regular 8-bit uchar.
Mat reconstructed_face = Mat(reconstructionMat.size(), CV_8U);

reconstructionMat.convertTo(reconstructed_face, CV_8U, 1, 0);

然后可以使用

cv:：norm（）

比较输入面和重建面。例如：

// Calculate the L2 relative error between the 2 images. 
double err = norm(input_face,reconstructed_face, CV_L2);
// Convert to a reasonable scale
double similarity = error / (double)(input_face.rows * input_face.cols);