opencv - 如何在 OpenCV 中获得最相似的 Eigenfaces 或 Fisherfaces？

Question

我正在尝试寻找两张脸相似度的测量方法。我使用 OpenCV。为此，我用 1000 个不同人的 1000 张照片来训练 Eigenfaces/Fisherfaces(所以每个人 1 张照片)。所以我的训练集中还有 1000 个标签。

现在我可以使用预测方法来获得最相似的人脸。

我想输入 2 张未知的人脸图像，看看它们是否与训练集中的同一个人脸向量相似。

这是返回最相似标签(距离最小)的openCV代码。

for(size_t sampleIdx = 0; sampleIdx < _projections.size(); sampleIdx++) {
    double dist = norm(_projections[sampleIdx], q, NORM_L2);
    if((dist < minDist) && (dist < _threshold)) {
        minDist = dist;
        minClass = _labels.at<int>((int)sampleIdx);
    }

问题:

1. 谁能告诉我如何重写它以输出前 10 个面孔，而不仅仅是前 1 个？我正在考虑将它们插入优先级队列，但也许有更简单的方法？!

2. 在训练中:我应该把所有的人脸放在同一个标​​签上还是不同的标签上？那么我应该有 1 个标签还是 1000 个标签？

干杯

Answer 1

这就是我所做的。注意，我真的很擅长 Perl，在 C++ 方面确实是新手(事实上，这是我的第一个 C++ 项目!)，所以我向命令行输出了很多内容，并使用 Perl 对其进行了解析。

我像你一样去了facerec.cpp，并将for循环的内容更改为:

for(size_t sampleIdx = 0; sampleIdx < _projections.size(); sampleIdx++) {
    double dist = norm(_projections[sampleIdx], q, NORM_L2);
    int labelClass = _labels.at<int>((int)sampleIdx);
    cout << dist << " " << labelClass << endl;
    if((dist < minDist) && (dist < _threshold)) {
        minDist = dist;
        minClass = _labels.at<int>((int)sampleIdx);
    }
}

现在输出每个面的距离和标签。由于所有预测函数似乎所做的就是拍摄距离最短(最小数字)的图片并将其作为答案返回，因此您现在可以获取结果列表，对其进行排序，然后获取前 10 个结果。或者你可以拿前十个标签或其他什么。这只是让您可以访问所有数据，而不是前 X 个结果。

我还添加了

#include <iostream>

using namespace std;

到文件顶部，以便我可以使用 cout。