【发布时间】：2012-09-05 23:47:23
【问题描述】：
我刚刚认出了一些带有cv2.createEigenFaceRecognizer 的面孔。
但我想知道输入面与计算出的特征面有多少相似之处。
这个想法是您可以重新识别不在数据库中的人。
编辑：
例如：我在模型上训练了面部 A、B 和 C，然后我看到了面部 C 和 D。我希望能够区分面部 C 和 D。
谢谢！
【问题讨论】：
【发布时间】：2012-09-05 23:47:23
【问题描述】：
您可以在cv::FaceRecognizer 的文档中找到有关设置阈值的部分：
OpenCV Python Wrapper 的工作原理相同，在 Python 中调用 help(cv2.createFaceRecognizer) 时可以轻松看到：
Help on built-in function createEigenFaceRecognizer in module cv2:
createEigenFaceRecognizer(...)
createEigenFaceRecognizer([, num_components[, threshold]]) -> retval
因此，在代码中，您将使用阈值创建模型，我将其设置为100.0。低于此值的任何内容都会在预测中产生-1，这意味着这张脸是unknown：
# Create the Eigenfaces model. We are going to use the default
# parameters for this simple example, please read the documentation
# for thresholding:
model = cv2.createEigenFaceRecognizer(threshold=100.0)
如演示中所示，您可以通过以下方式获得预测和相关置信度（即到训练数据集中最近邻的距离）：
[predicted_label, predicted_confidence] = model.predict(image)
因此，如果您在主题 A、B、CAND 上训练您的模型，那么您正在使用阈值，那么对 D 的预测应该会产生 -1，而A、B 或C 应该被识别。鉴于您正在使用阈值这一事实。
至于在不重新估计整个模型的情况下迭代地添加新面孔。这对于 Eigenfaces 或 Fisherfaces 方法是不可能的。你总是需要调用FaceRecognizer::train 这两种算法来学习模型。您可以使用cv2.createLBPHFaceRecognizer 创建的局部二进制模式直方图 (LBPH) 模型支持更新模型，而无需重新计算其他训练样本。请参阅 API 文档：
【讨论】：
-
对不起，“重新识别不在数据库中的人”是指您可以在看到未知人脸后再次重新识别它，而无需重新训练模型。
-
对于以opencv开头的人，
help(cv2.createFaceRecognizer)会报错，因为没有模块createFaceRecognizer，折腾了好久才放弃搜索源码。 -
这是不正确的。您可以在github.com/Itseez/opencv/blob/master/samples/python2/… 找到有关如何使用 OpenCV Python 绑定和特征脸模型的完整源代码示例。没有诸如
cv2.createFaceRecognizer之类的方法，这就是您收到错误的原因。查看上述答案中链接的 API 文档，了解哪些功能可用。