Dar*_*ver 3 opencv machine-learning face-recognition computer-vision
任何人都可以建议我建立有效的面部分类器,可以分类许多不同的面孔(约1000)？
我每张脸只有1-5个例子
我知道opencv face分类器,但它对我的任务很糟糕(许多类,一些样本).对于具有少量样本的一个面部分类,它可以正常工作.但我认为1k单独的分类器并不是一个好主意
我阅读了一些关于人脸识别的文章,但是这些文章中的方法重新考虑了每个班级的大量样本
PS对不起我的写作错误.英语不是我的母语.
实际上,为了给你一个正确的答案,我很乐意知道你的任务和数据的一些细节.人脸识别是一个非常重要的问题,并且没有针对各种图像采集的通用解决方案.
首先,您应该定义样本和测试集中有多少变异来源(冒充,情绪,光照,遮挡或延时).然后你应该选择一个合适的算法,更重要的是,根据类型预处理步骤.
如果您没有任何重大变化,那么最好考虑将一个离散正交矩作为特征提取方法的小训练集.他们具有非常强大的能力来提取没有冗余的功能.其中一些(Hahn,Racah时刻)也可以在两种模式下工作 - 局部和全局特征提取.这个主题相对较新,关于它的文章仍然很少.虽然,它们被认为是图像识别中非常强大的工具.它们可以通过使用递归关系近乎实时地计算.有关更多信息,请查看此处和此处.
如果个体的姿势明显不同,您可以尝试通过主动外观模型首先执行姿势校正.
如果有很多遮挡(眼镜,帽子),那么使用一个局部特征提取器可能会有所帮助.
如果在列车和探测图像之间存在显着的时间间隔,则面部的局部特征可能随着年龄而变化,那么尝试使用图形进行面部表示以保持面部拓扑的算法之一是一个很好的选择.
我相信上面的非在OpenCV中实现,但对于其中一些,你可以找到MATLAB实现.
我也不是母语人士,对语法很抱歉