如何在python中使用欧几里得距离进行人脸识别答案

【问题标题】：How to do face recognition using euclidean distance in python如何在python中使用欧几里得距离进行人脸识别
【发布时间】：2020-07-28 13:56:44
【问题描述】：

我有一个项目需要在其中包含face recognition。我指的是这个article。本文使用open-face 获取面部embeddings 并将所有嵌入保存在pickle 文件中。然后将人脸嵌入数据传递给support vector machine，从而生成另一个pickle文件。该文件稍后用于识别和预测人脸。

这一直有效，并且给了我超过 80% 的准确率。但是这篇文章并没有解释如何计算euclidean distance。这是我自己的研究工作所需要的。

我可以轻松地在测试图像的人脸嵌入和 pickle 文件中存在的人脸嵌入之间计算 euclidean distance，但我无法理解如何设置阈值，以便将任何超过该值的距离标记为 @987654328 @。

谁能给我指出一些解释过的文章，我可以从那里跟进。我试过搜索很多文章，但没有得到太多的结果。请帮忙。谢谢

【问题讨论】：

标签： python-3.x opencv face-recognition euclidean-distance

【解决方案1】：

您可以构建 2 个（正态）分布。

同一个人的脸之间的距离
不同面之间的距离

这些分布的交集将是阈值。

小图：

【讨论】：

图表中的蓝色代表personA，图表中的红色代表personB。对吗？
不，左边代表A=B，右边代表A!=B。因此，如果您需要比较 2 个人，则需要将欧几里得距离与阈值进行比较。
所以你的意思是，这基本上是我们人脸识别的结果，可以是5张图片不匹配，10张图片匹配，蓝色代表那5张图片的距离，红色代表10张图片的距离。这次我说对了吗？
是的，左边是已知相同人物图像的距离分布，右边是不同距离的分布。这些分布是通过计算一组已知对与训练数据集的距离来生成的。
或者更好的验证数据集，而不是训练。