我刚刚认识了cv2.createEigenFaceRecognizer的一些面孔。
但是我要知道的是输入的人脸多少看起来像计算出的特征脸。
这个想法是，您可以重新识别不在数据库中的人员。

编辑:

例如:我在模型上训练了A，B和C面，然后看到了C和D面。我希望能够将C面与D面区分开。

谢谢!

最佳答案

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

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

它与OpenCV Python包装器的工作原理相同，在Python中调用help(cv2.createFaceRecognizer)时可以很容易地看到它:

Help on built-in function createEigenFaceRecognizer in module cv2:

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

因此，在代码中，您将创建一个带有阈值的模型，我将其设置为100.0。低于此值的任何内容都将在预测中生成-1，这意味着此面孔为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)

如演示中所示，您可以通过以下方式获得预测和相关的置信度(即到您的训练数据集中最近的邻居的距离):

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

因此，如果您在使用阈值的主题A，B，C 和上训练模型，则对D的预测应产生-1，而应识别A，B或C。鉴于事实，您正在使用阈值。

至于迭代添加新面孔而无需重新估计整个模型。对于本征面或Fisherfaces方法而言，这是不可能的。您始终必须为这两种算法调用FaceRecognizer::train来学习模型。您可以使用cv2.createLBPHFaceRecognizer创建的本地二进制模式直方图(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

https://stackoverflow.com/questions/12291243/