只需 2 张图像即可自动进行人脸验证

Question

问题陈述：

给定两张图像，例如下面布拉德·皮特的两张图像，判断图像中是否包含同一个人。困难在于，我们每个人只有一张参考图像，并且如何确定任何其他传入图像是否包含同一个人或没有。

一些研究：

有几种不同的方法可以解决这个任务，这些是

1. 使用颜色直方图
2. 面向关键点的方法
3. 使用深度卷积神经网络或其他机器学习技术

直方图方法涉及根据颜色计算直方图并在它们之间定义某种度量，然后确定阈值。我尝试过的一种是“地球移动者距离”。但这种方法缺乏准确性。 因此，最好的方法应该是第二种和第三种方法的某种混合，以及一些预处理。 对于预处理，要执行的明显步骤是：

运行 Viola-Jones 等人脸检测并分离包含人脸的区域

1. 将所述面转换为灰度
2. 可能使用 opencv 的 haar_cascades 运行眼睛、嘴巴、鼻子检测算法
3. 根据找到的地标对齐面部图像
所有这一切都是使用opencv完成的。

提取

SIFT

和 MSER 等特征可产生 73-76% 的准确度。经过一些额外的研究，我发现了这篇使用 fisherfaces 的论文。事实上，opencv 现在能够创建fisherface 检测器并对其进行训练，这一点非常好，而且效果非常好，达到了耶鲁大学数据集论文所承诺的准确性。 问题的复杂性在于，就我而言，

我没有包含同一个人的多张图像的数据库

来训练检测器。我所拥有的只是与一个人相对应的单个图像，并且给定另一个图像我想了解这是否是同一个人。 所以我有兴趣知道的是` 有人尝试过类似的事情吗？我应该研究哪些论文/方法/图书馆？

您对如何解决问题有什么建议吗？

Answer 1

检测人脸（sample_face）

• 使用 dlibcompute_face_descriptor 获取人脸描述符（128D 向量）（检查
link
• ） 获取您想要识别人脸的新图片
• 检测人脸并计算描述符（让我们调用 test_face）。
• 计算test_face描述符和所有sample_faces描述符之间的欧氏距离
• 为 test_face 分配具有最小欧氏距离的类（人名）。
尝试一下，如果你开始获得良好的结果，你可以尝试面部对齐。

Answer 2

但我建议看看

OpenFace

，它具有非常高的准确性。 Github 上有该项目的实现。 谢谢

Answer 3

使用一个人的单个图像，您无法预测它是同一个人，因为您需要在不同的光强度、角度和许多其他不同场景下针对该人的不同图像来训练您的模型。

我仍然想尝试这个链接：

http://hanzratech.in/2015/02/03/face-recognition-using-opencv.html

您至少可以找到一些与图像匹配的内容。

Answer 4

Answer 5

所以我有兴趣知道的是`有没有人尝试过 排序？

是的。现在是 2017 年，面部识别已经研究了几十年。

我应该研究哪些论文/方法/库？

谷歌向您抛出的任何搜索“单张图像/样本人脸识别”的内容

您对如何解决问题有什么建议吗？

见上文

提取 SIFT 和 MSER 等特征可产生 73-76% 的准确率。

我怀疑人类的面部识别能力是无与伦比的，仅凭一张图像作为参考就可以表现得更好。我的意思是，我无法确定那是布拉德·皮特，还是只是长得很像，而且我在成百上千张照片和几个小时的电影中见过他……