用于个人面部识别的训练集图像之间的时间

Question

编辑：我没有说清楚，因为这是为了未来可能开发应用程序。

我正在研究个人面部识别应用程序，但其中一个重要部分似乎是一个相当大的图像训练集，用于识别每个人。

在不同环境中的不同时间拍摄图像是否重要，或者使用手持相机在几秒钟内捕获的几张图像是否可能为良好的训练集提供必要的变化？

（顺便说一句，这不适用于人脸识别，因此现有的工具和数据库不会有太大帮助。我知道 2D 图像识别不一定适用于所有物种；让我们假设它确实适用于我的用例。）

Answer 1

本文可能会回答您的一些问题： http://uran.donetsk.ua/~masters/2011/frt/dyrul/library/article8.pdf

从模式分类的角度来看，人脸识别中的一个常见问题是有过多的类，而每个类只有几个（可能只有一个）训练样本。因此，不需要更复杂的分类器，而是使用最近邻分类器。

虽然我不是这方面的专家，但每个人只有一张图像作为训练样本，并且在受控照明/位置方面至少以某种程度的准确度解决了，这似乎是一个常见问题情况。

为了具体回答您的问题，包含每个人的多张几乎没有变化的图像（“用手持相机在几秒钟内拍摄的几张图像”）的训练集不会像具有更多图像的训练集那样有价值变化（例如不同的面部表情、灯光、背景）。