OpenCV将人脸与小分辨率图像进行比较| Python

步骤1。检测图像中的人脸，裁剪人脸并保存

图像形状：

[1000970,3]

步骤2。将较小的裁剪图像与原始图像进行比较，查看是否找到足够的匹配项，以及它们是否正确匹配。（眼睛对眼睛，而不是眼睛对树）

图像形状：

[60,60,3]

第一步很好

第2步识别出许多匹配项，但它们太模糊，没有任何用处，因为您不能真正信任该结果

下面是我在步骤1中使用的代码的子集：

for (x, y, w, h) in faces:
        count += 1
        crop_img = image[y:y + w, x:x + h]
        r = 200 / crop_img.shape[1]
        dim = (200, int(crop_img.shape[0] * r))
        crop_img = cv2.resize(crop_img, dim, interpolation=cv2.INTER_AREA)
        cv2.imwrite('images/college/' + str(count) + '.jpg', crop_img)

下面是我如何比较图像的：

img1 = cv2.imread(testImage)
img2 = cv2.imread('images/Class-of-2018.jpg')
# plt.imshow(img2), plt.show()

MIN_MATCH_COUNT = 100

orb = cv2.ORB_create()

kp1, des1 = orb.detectAndCompute(img1, None)
kp2, des2 = orb.detectAndCompute(img2, None)

bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)

good = bf.match(des1, des2)

good = sorted(good, key=lambda x: x.distance)

额外的代码用于显示图像的哪些部分匹配，如果需要，我可以发布

---

我想知道这是否是解决此类问题的正确方法。还是有更好的办法？也许我必须为图像中的每个人训练分类器（人脸识别器）？如果是，我应该怎么做？

由于图像大小差异很大，ORB的默认参数不够好。可能您可以更改检测器/描述符的参数，或者两者都可以，因为ORB不是完全的比例不变。让我试试。@RickM。谢谢有没有一种方法可以成功地预测/选择最小匹配数？最小匹配数的确切含义是什么？你能详细说明一下吗？我的意思是，由于脚本在后台运行，没有人实际查看结果，那么在声明人脸存在（是同一个人）之前，找到的匹配的阈值应该是多少？