Question

我刚认出了cv2.createEigenFaceRecognizer的一些面孔。但我想要的是知道输入面看起来像计算的特征脸多少。我们的想法是，您可以重新识别不在数据库中的人员。

编辑：

例如：我在我的模型上训练了面部A，B和C，然后我看到面部C和D.我希望能够将面部C与D区分开来。

谢谢你！

Answer 1

您可以在cv::FaceRecognizer的文档中找到有关设置阈值的部分：

http://docs.opencv.org/trunk/modules/contrib/doc/facerec/facerec_api.html#setting-the-thresholds

OpenCV Python Wrapper的工作方式相同，在Python中调用help(cv2.createFaceRecognizer)时很容易看到：

Help on built-in function createEigenFaceRecognizer in module cv2:

createEigenFaceRecognizer(...)
    createEigenFaceRecognizer([, num_components[, threshold]]) -> retval

因此，在代码中，您将使用阈值创建模型，我将其设置为100.0。低于此值的任何内容都会在预测中产生-1，这意味着此面是unknown：

# Create the Eigenfaces model. We are going to use the default
# parameters for this simple example, please read the documentation
# for thresholding:
model = cv2.createEigenFaceRecognizer(threshold=100.0)

如演示所示，您可以通过以下方式获得预测和相关置信度（与训练数据集中最近邻居的距离）：

[predicted_label, predicted_confidence] = model.predict(image)

因此，如果您在主题A，B，C 和上训练您的模型，您使用的是阈值，然后预测{{1应该得到D，而应该识别-1，A或B。鉴于事实，您正在使用阈值。

迭代地添加新面孔而不重新估计整个模型。这对于特征脸或Fisherfaces方法是不可能的。您必须为这两种算法调用C来学习模型。可以使用FaceRecognizer::train创建的局部二进制模式直方图（LBPH）模型支持更新模型，而无需重新计算其他训练样本。请参阅以下API文档：

http://docs.opencv.org/trunk/modules/contrib/doc/facerec/facerec_api.html#facerecognizer-update

openCV的特征脸

1 个答案: