К сожалению, одна из самых больших проблем с подходом собственного лица заключается в том, что для большого количества испытуемых в тестовой выборке точность будет снижаться, потому что, по сути, это подход, основанный на внешнем виде, и вероятность наличия похожих лиц возрастает, добавляете еще лица.
Я действительно выполнил свой университетский проект последнего года, используя метод распознавания собственного лица, и использовал следующую бумагу для повышения точности.
http://vplab.iitm.ac.in/publi_journal/conference/frarc.pdf
Этот метод разбивает лицо на несколько горизонтальных частей и выполняет распознавание каждой части. В конце результаты каждой части взвешиваются и объединяются для получения окончательной оценки. Я оставлю вас читать кровавые подробности, хотя предупреждаю, это не будет доступно в готовом API, таком как EMGU CV.
Другие советы, применимые к EMGU CV:
- Используйте как можно больше обучающих образов для каждого человека в наборе
- Если возможно, попробуйте разделить набор на более мелкие группы.
- Попробуйте использовать некоторые методы предварительной обработки, например нормализацию освещенности.
- Возможно, попробуйте изображение с чуть более высоким разрешением (хотя это снизит производительность)
- Делайте тренировочные образы с разными позами (т. Е. Направлением лица и эмоциями).
Таким образом, лучший способ повысить точность - это написать собственную процедуру распознавания с теми функциями, которые вам нужны, и на самом деле это не так сложно, как вы думаете, это просто требует терпения. Также вы можете изучить другие методы распознавания лиц (их много), например, геометрический подход, который использует такую информацию, как расстояние между глазами и т. Д.
person
TomP89
schedule
29.02.2012
