我目前的项目是构建一个人脸认证系统。我的限制是:在注册期间,用户提供单个图像进行训练。但是,我可以在身份验证时添加和使用用户提供的图像。
我想在训练中添加更多图像的原因是,用户环境不受限制 - 不同的照明条件,与相机的不同距离,来自不同的 MP 相机。唯一的缓解是这个姿势几乎是正面的。
我认为,上述问题与广泛使用的面部标记应用程序类似。任何人都可以建议一种自适应且智能地使用可用图像的方法吗?
--谢谢
最佳答案
为了使分类器稳健,您需要使用条件独立特征。例如,您不能使用面部颜色,因为它取决于照明条件和人本身的状态。但是,您可以使用眼睛之间的距离,因为它与任何变化无关。
我建议构建一些此类独立特征的模型,并在每次人们开始身份验证 session 时重新训练分类器。我能想到的最好的型号是 Active Appearance Model (one of implementations)。
关于image-processing - 如何自适应添加和使用认证时采集的人脸图像,以提高人脸认证的性能?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12723856/