Emgu CV 얼굴 인식 : 정확도 향상 방법

Question

나는 http://www.codeproject.com/Articles/239849/Multiple-face-detection-and-recognition-in-real-ti의 얼굴 인식 코드를 활용하여 얼굴 인식에 좋은 시작을했습니다.

하지만 다른 사람들의 수를 늘리면 정확도가 상당히 떨어지는 것이 문제입니다. 나는 대략 280 명의 다른 사람들의 약 1300 명의 훈련 된 얼굴 (모두 100 x 100 픽셀 그레이 스케일)로 인식기를위한 훈련 이미지를 프로그램 적으로 생성하기위한 코드를 작성했습니다.

위의 웹 페이지의 팁은 정확성을 향상시키는 데 많은 도움이되지는 않습니다. 어느 누구도 정확한 얼굴 인식을하기 위해 Emgu CV를 사용하여 좋은 힌트와 경험을 갖고 있는지 궁금합니다. 속도는 지금은 그렇게 중요하지 않습니다.

감사합니다. 미리 감사드립니다.

Answer 1

불행하게도 고유 - 얼굴 접근법의 가장 큰 문제점 중 하나는 테스트 세트에있는 많은 수의 피험자에 대해 근본적으로 이것은 외모를 기반으로 한 접근법이며 비슷한 얼굴을 가질 확률이 낮기 때문입니다 당신이 더 많은 얼굴을 추가할수록 올라갑니다.

나는 고유 얼굴 인식 방법을 사용하여 나의 마지막 해 단일 프로젝트를 실제로 했었고 정확도를 높이기 위해 다음의 논문을 사용했다.

http://vplab.iitm.ac.in/publi_journal/conference/frarc.pdf

이 방법은 복수의 수평 부분으로면 분할과 각 영역에서 인식을 수행한다. 결국 각 부분의 결과에 가중치를 부여하고 함께 모아 최종 점수를 만듭니다. 내가 경고하지만, EMGU CV와 같은 선반 API에서는 사용할 수 없습니다. EMGU CV에 적용

다른 팁 : 설정

시도는 가능하면 각 사람을 위해 가능한

1. 를 사용하여 많은 교육 이미지와 작은 그룹으로
2. 시도를 세트를 분할하고 일부를 사용 가벼운 표준화와 같은 전처리 기술
3. 아마도 약간 더 높은 해상도의 이미지를 시도해보십시오 (성능이 저하 되더라도).
4. 다른 포즈로 트레이닝 이미지 가져 오기 (즉, 얼굴 방향과 감정) 요약

, 정확성을 향상시킬 수있는 가장 좋은 방법은 당신이 원하는 정확하게 기능을 사용하여 자신의 인식 프로 시저를 작성하는 것입니다 그것은 하드 당신이 생각하는 수 있으므로 사실이 아니다, 그냥 인내심을 필요로한다. 또한 눈 사이의 거리와 같은 정보를 사용하는 기하학적 접근법과 같은 다른 얼굴 인식 방법 (많은 것들이 있습니다)을보고 싶을 수도 있습니다.