java - OpenCV/JavaCV 人脸识别 - 非常相似的置信度值

Question

我将解释我正在尝试做的事情，因为它似乎与理解我的问题相关。

我目前正在尝试根据数据库中的已知图片对走到镜头前的人进行人脸识别。

这些已知图片是从识别智能卡(仅包含一张正面图片)或来自社交网络的正面个人资料图片中收集的。到目前为止，从我读到的内容来看，似乎要进行良好的人脸识别，需要大量的训练图像(50+)。因此，由于我收集的图像很少，无法创建可靠的训练集，因此我尝试使用我的实时相机帧捕获(目前使用 150 张)作为训练集，并将之前收集的已识别图片作为测试集。我不确定我正在尝试的是否正确，所以如果我搞砸了请告诉我。

所以，问题是，在我假设从智能卡获得的 5 张已识别图片之后，我尝试使用相机拍摄的 150 帧图像作为训练集来进行人脸识别。尝试识别时，5 个测试面孔的置信度值非常相似，使整个程序无用，因为我无法准确识别任何人。通常，使用不同的相机捕捉作为训练，我从随机人物的照片中获得比我自己的照片更高的置信度值。

如果你能给我任何帮助，我将不胜感激，因为我在这里不知所措。

谢谢。

注意:我正在使用 OpenCV 的 JavaCV 包装器来制作我的程序，以及程序包中包含的 haarcascade。特征脸是所使用的算法。

Answer 1

人脸识别

简介

我想补充一下。 libfacerec已收录官方OpenCV 2.4.2 ，参见:

• http://opencv.org/opencv-v2-4-2-released.html

这意味着如果您使用的是 OpenCV 2.4.2，那么您将拥有新的 cv::FaceRecognizer在 contrib 模块中。我知道最近添加了 Python 包装器(感谢!)，可能在撰写本文时也包装了 Java。

cv::FaceRecognizer随附大量文档，将向您展示如何使用大量完整源代码示例进行人脸识别:

• http://docs.opencv.org/trunk/modules/contrib/doc/facerec/index.html

如果您想了解可用的人脸识别算法(Eigenfaces、Fisherfaces、Local Binary Patterns Histograms)的工作原理，请特别阅读 Guide To Face Recognition with OpenCV .在那里我解释了算法的工作原理并提到了它们的缺点:

• http://docs.opencv.org/trunk/modules/contrib/doc/facerec/facerec_tutorial.html

少图人脸识别

现在，当您的训练数据集很小时，您的原始人脸识别问题。我会给你写一个完整的答案，所以它可能会帮助那些从谷歌来到这里的人。

实际上，当数据集中每个人的样本很少时，不应该使用特征脸和 Fisherfaces。 这些模型需要数据才能工作，我怎么强调都不为过。越多越好。这些方法基于估计数据中的方差，所以给他们一些数据来估计你的模型!不久前，我在 AT&T 人脸数据库(使用 facerec framework )上进行了一次小测试，显示了这些方法在每个人的图像数量不同的情况下的性能:

我不会在这里发表文章，也不会用详细的数学分析来支持这些数字。之前已经做过，所以我建议每个对这些数字有疑问的人都看看 (2)，以便看到对小型训练数据集的 PCA (Eigenfaces) 和 LDA (Fisherfaces) 的非常详细的分析。

所以我建议在小样本场景中使用局部二进制模式直方图 (3) 进行人脸识别。这些也包含在 OpenCV FaceRecognizer 中并且已被证明在小型训练数据集上表现非常好。如果将其与 TanTriggs 预处理 (4) 相结合，您应该拥有一个真正强大的人脸识别模型。 TanTriggs 预处理是 Python 中的 8 行(或左右)，请参阅 https://github.com/bytefish/facerec/blob/master/py/facerec/preprocessing.py#L41为实现。这应该很容易适应 Java(或者如果人们需要的话，我可以用 OpenCV 实现它)。

文学

• (1) Belhumeur, P. N.、Hespanha, J. 和 Kriegman, D. 特征脸与 Fisherfaces:使用类特定线性投影进行识别。 IEEE 模式分析和机器智能交易 19、7 (1997), 711–720。
• (2) Martinez, A 和 Kak, A。PCA 与 LDA 对比 IEEE 模式分析和机器智能交易，卷。 23，第 2 期，第 228-233 页，2001 年。
• (3) Ahonen, T.、Hadid, A. 和 Pietikainen, M. 使用局部二进制模式进行人脸识别。 计算机视觉 - ECCV 2004 (2004)，469–481。
• (4) Tan, X. 和 Triggs, B. 增强局部纹理特征集以在困难光照条件下进行人脸识别。 IEEE 图像处理汇刊 19 (2010)，1635–650。