选择最强的 SIFT 特征进行人脸识别答案

【问题标题】：Selecting strongest SIFT features for face recognition选择最强的 SIFT 特征进行人脸识别
【发布时间】：2019-10-06 08:01:48
【问题描述】：

我正在尝试构建一个识别人脸的 python 代码。我提取了训练人脸和测试人脸的 SIFT 特征，并匹配如下代码：

img1 = cv2.imread("path\of\tested\image")
img2 = cv2.imread("path\of\trained\image")
sift = cv2.xfeatures2d.SIFT_create()
kp1, des1 = sift.detectAndCompute(img1, None)
kp2, des2 = sift.detectAndCompute(img2, None)

# Brute Force Matching
bf = cv2.BFMatcher(cv2.NORM_L1, crossCheck=True)
matches = bf.match(des1, des2)
matches = sorted(matches, key = lambda x:x.distance)
matching_result = cv2.drawMatches(img1, kp1, img2, kp2, matches[:50], None, flags=2)

我想选择其中最强的特征来比较两张脸是否属于同一个人。如何根据 SIFT 特征识别人脸？谁能帮帮我吗？任何提示都可能有用我是初学者。谢谢。

【问题讨论】：

使用 SIFT 特征，一种流行的方法是创建一个 Bag of Visual Words 框架，在其中获取从所有面部检测到的所有特征，然后创建一个字典，通常使用 k-Means。一旦你找到了这些聚类，你就可以为每一张脸找出哪个特征映射到哪个聚类，然后构建一个直方图。您获取这些直方图并训练分类模型。这是一个很好的起点：towardsdatascience.com/…。我会为你写一个完整的答案，但我无权访问你的数据。祝你好运！
@rayryeng 是个好主意，我会尝试实现它。非常感谢。

标签： python image-processing face-recognition feature-selection sift

【解决方案1】：

正如@rayryeng 所说，一个很好的解决方案是使用视觉词/特征袋方法。

视觉特征袋 (BoVF) 的灵感来自自然语言处理 (NLP) 领域中使用的 词袋 (BoW) 和 Information Retrieval (IR)，例如，在文本分类中，文档的分类由词的频率给出。

视觉特征包，另一方面，以图像分类为特征，其中图像的分类由视觉特征的频率给出，使其简单且计算量低成本法。

下面我将我的代码留在 GitHub 上，使用 Multilayer Perceptron (MLP) 和 支持的 Bag of Visual Features 方法MNIST、CIFAR-10 和 FER-2013 视觉数据集的向量机 (SVM) 分类器。

这些存储库的酷之处在于，您可以测试特征检测和描述任务，不仅可以使用本地描述符 SIFT，还可以使用其他本地描述符（例如，SURF、KAZE）和本地二进制描述符（例如，BRIEF、ORB、BRISK、AKAZE , FREAK）。

我没有将代码直接放在这里，因为它会是一个太长的答案。

【讨论】：

如果答案解决了您的问题或者您认为是最佳解决方案，请将此答案标记为已接受！谢谢！