На самом деле, чтобы дать вам правильный ответ, я был бы рад узнать некоторые подробности вашей задачи и ваших данных. Распознавание лиц - нетривиальная проблема, и не существует общего решения для всех видов получения изображений.
Прежде всего, вы должны определить, сколько источников вариаций (позы, эмоции, освещение, окклюзия или интервальная съемка) у вас есть в вашем образце и тестовых наборах. Затем следует выбрать подходящий алгоритм и, что очень важно, шаги предварительной обработки в соответствии с типами.
Если у вас нет значительных изменений, то для небольшого обучающего набора рекомендуется рассмотреть один из следующих элементов: Дискретные ортогональные моменты в качестве метода извлечения признаков. У них очень сильная способность извлекать функции без избыточности. Некоторые из них (моменты Хана, Рака) также могут работать в двух режимах - локальном и глобальном извлечении признаков. Тема относительно новая, и статей по ней пока мало. Хотя они считаются очень мощным инструментом распознавания изображений. Их можно вычислить почти в реальном времени с помощью повторяющихся соотношений. Для получения дополнительной информации посетите здесь и здесь.
Если позы людей значительно различаются, вы можете попытаться сначала выполнить коррекцию позы с помощью Активная модель внешнего вида.
Если есть много окклюзий (очки, шляпы), используйте один из локальных экстракторов признаков может помочь.
Если между изображениями поезда и зонда существует значительный промежуток времени, локальные черты лиц могут изменяться с возрастом, то это хороший вариант попробовать один из алгоритмов, использующих графики для представления лиц, поэтому как сохранить топологию лица.
Я считаю, что ничего из вышеперечисленного не реализовано в OpenCV, но для некоторых из них вы можете найти Реализация MATLAB.
Я тоже не носитель языка, извините за грамматику
person
electrodrel
schedule
16.01.2014