人脸检测与比较

发布于 2024-08-10 16:47:32 字数 141 浏览 3 评论 0原文

我正在为我的文章进行一项关于人脸检测和比较的小型研究。 目前,我正在使用基于 OpenCV 级联的 haar 类特征的快速人脸检测(稍后我将实现学习)。下一步是进行面部比较。有没有众所周知的算法?如果有一些 C# 代码、解释它们或一些实现它们的 dll,那就太好了。

I'm running a small research on face detection and comparison for my article.
Currently, I'm using rapid face detection based on haar like features based on OpenCV cascade (I'll implement learning later). The next step is making face comparison. Are there any well know algorithms? It'll be great, if there are some C# codes, explaining them or some dll's that implements them.

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。

评论(3

赠我空喜 2024-08-17 16:47:32

特征脸

要生成一组特征脸,
大量的人类数字化图像
脸部,在相同的灯光下拍摄
条件,标准化为排队
眼睛和嘴巴。那么他们都是
在同一像素处重新采样
解决。特征脸可以是
从图像数据中提取
一种称为数学工具的方法
主成分分析(PCA)。

特征脸现在可用于
代表新面孔:我们可以预测
新的(减去均值)图像
特征脸,从而记录如何
新面孔不同于普通面孔。
与每个相关的特征值
特征脸代表了多少
训练集中的图像各不相同
该方向的平均图像。我们
通过投影丢失信息
特征向量子集上的图像,
但我们通过保持
那些最大的特征脸
特征值。

Fisherfaces 和 Eigenfaces

如果您的脸部未对齐,那么我建议您阅读以下内容论文:

支持向量机

摘要:我们提出了一种基于组件的方法
以及两种全局的面部方法
认可并评价他们
尊重姿势的鲁棒性
变化。在组件系统中我们
首先找到面部组件,
提取它们并将它们组合成一个
单个特征向量是
通过支持向量机分类
(支持向量机)。

两个全球系统识别面孔
通过对单个特征向量进行分类
由灰度值组成
整个脸部图像。在全球首届
我们训练了一个 SVM 系统
中每个人的分类器
数据库。第二个系统包括
特定于视点的 SVM 集合
分类器并涉及聚类
训练期间。

Eigenfaces

To generate a set of eigenfaces, a
large set of digitized images of human
faces, taken under the same lighting
conditions, are normalized to line up
the eyes and mouths. They are then all
resampled at the same pixel
resolution. Eigenfaces can be
extracted out of the image data by
means of a mathematical tool called
principal component analysis (PCA).

The eigenfaces can now be used to
represent new faces: we can project a
new (mean-subtracted) image on the
eigenfaces and thereby record how that
new face differs from the mean face.
The eigenvalues associated with each
eigenface represent how much the
images in the training set vary from
the mean image in that direction. We
lose information by projecting the
image on a subset of the eigenvectors,
but we minimise this loss by keeping
those eigenfaces with the largest
eigenvalues.

Fisherfaces and Eigenfaces

If your faces aren't aligned, then I'd recommend reading the following paper:

Support Vector Machines

Abstract: We present a component-based method
and two global methods for face
recognition and evaluate them with
respect to robustness against pose
changes. In the component system we
first locate facial components,
extract them and combine them into a
single feature vector which is
classified by a Support Vector Machine
(SVM).

The two global systems recognize faces
by classifying a single feature vector
consisting of the gray values of the
whole face image. In the first global
system we trained a single SVM
classifier for each person in the
database. The second system consists
of sets of viewpoint-specific SVM
classifiers and involves clustering
during training.

八巷 2024-08-17 16:47:32

我使用免费源代码编写了一个教程和演示程序,用于从网络摄像头(也在 OpenCV 中)实时执行人脸检测和人脸识别:

http://www.shervinemami.info/faceRecognition.html

I wrote a tutorial and demo program with free source code for performing face detection and face recognition in real-time from a webcam (also in OpenCV):

http://www.shervinemami.info/faceRecognition.html

自此以后,行同陌路 2024-08-17 16:47:32

Beveridge 有一个评估系统。他们实现了三种具有不同指标的人脸识别算法。这些算法的实现是为了
因此,将它们用于您自己的程序可能会很困难。

一些 Java API 和一般链接可以在我关于人脸识别的问题中找到。

There is a evaluation System from Beveridge. They implemented three face recognition algorithms with different metrics. The algorithms are implemented for
evaluation therefor it could be difficult to use them for your own programs.

Some Java API's and general links can be found in my Question about face recognition.

~没有更多了~
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文