特征脸算法答案

【问题标题】：Eigenfaces algorithm特征脸算法
【发布时间】：2011-07-16 04:46:03
【问题描述】：

我正在使用 OpenCV 编写人脸识别程序。

当生成特征面时：

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不错的准确性？更像是 20 还是 2000？

谢谢

【问题讨论】：

【解决方案1】：

Eigenfaces 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”中。基础不一定要包含您想要识别的人的照片。

相反，我会鼓励您基于已良好注册的大型数据库（至少 10k 人脸）进行训练（特征脸不适用于移动的图像）。 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。我还要说，尝试将数据库和测试输入之间的照明标准化为相同。

在测试方面，前 20 个组件应该足以重建人类可识别的面部，而前 100 个组件应该足以区分任意大数据集的任意两个面部。

【讨论】：

初始训练集应该由独特的个体组成，还是每个个体有多个图像有用？如果允许多个，每个人是否应该拥有大致相同数量的训练图像？
我认为独特性并不那么重要。有一个合理的分布当然是好的。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% 以上的您的图像，那么您可能正在构建更多的您检测器，而不是通用的人脸检测器。与其构建您自己的数据集，不如在线提供多个满足大多数期望标准的好数据集。

【解决方案2】：

你不需要太多随机的面孔来组成一张人脸；接近 20 的某个地方应该会产生很好的结果，如果可以的话，也许可以使用更多。它们都应尽可能相互对齐，正面，在相同照明条件下的灰度照片。

【讨论】：