Question

利用开放图书馆进行C++图像处理,我的问题是:你是否认为可以通过利用图像图比较技术,将录像带与数据库中的图像相比较,来做表面上的识别(根据照片数据库分析一个人的姓名)。 (注,仅用眼科图书馆中的一个实例比较图像的表面区域。)

我要求这样做是因为我只是试图做像上文这样的方案,而我却有很多问题(往往发现错误的人)。

Answer 1

您不妨首先汇编。采用公开CV的探测面。正如其他人所指出的,一般的表面承认只是一个容易解决的问题。 EigenFaces是接受承认的一种常见技术,很容易理解和执行。

正如其他人所说的那样,这是一个棘手的问题,但这给你一个起点。

Answer 2

某些方法我与他们有经验。

metric learning for comparing faces
naming video characters: they use SIFT descriptors computed at specific feducial points on each face. Their code worked quite well for me in the past.

UPDATE:
I have a description of an experiment on face clustering: unsupervised face identification. The experiment is described in Section 4.4 of my thesis.
The basic flow is as follows

Metric learning: how to determine if two faces are of the same person or not.
This part is supervised, in the sense that it requires as input face images labeled with the identity of the person who appears in each photo.

a. Detect fiducial points (eyes, corner of mouth, nose).
You may use this code, or more recent versions such as this one.

b) 在检测到的点子中摘取SIFT的描述。

c. Construct a "face descriptor": each face is described using a single vector.
This vector is a concatenation of the sqrt of all the SIFT descriptors.

d) 使用所描述的, 学习不同人群的面孔之间的马那利诺比距离。
www.un.org/Depts/DGACM/index_spanish.htm Unsupervised face identification: 一旦获得一个衡量标准,你可以使用new<>/strong>的新照片(这些人不需要参加培训,你可以使用unseen- before的照片!)。

a 。 a. a-c级,为每一投入方构造相同的“文字”矢量。

b) 比较使用学到的Mahalanobis距离的描述病媒。

Answer 3

我建议使用现有的算法,例如卢森堡语中的现有算法:http://www.lossand.com/facesdk/。而不是试图发展你自己。

Answer 4

目前有3种在露天、 p(前言)、 l(鱼体)和 l体内进行面对面识别的技术。