К сожалению, одна из самых больших проблем с подходом с собственным лицом заключается в том, что для большого числа объектов в тестовом наборе точность будет снижаться, потому что в основном это подход, основанный на внешнем виде, и вероятность наличия похожих лиц снижается.вверх, чем больше лиц вы добавляете.
Я фактически выполнил свой последний годовой проект универа с использованием метода распознавания собственных лиц и использовал следующую статью для повышения точности.
http://vplab.iitm.ac.in/publi_journal/conference/frarc.pdf
Этот метод разбивает лицо на несколько горизонтальных участков и выполняет распознавание каждой части.В конце результаты каждой части взвешиваются и объединяются, чтобы сформировать окончательный результат.Я оставлю вас, чтобы прочитать подробности, хотя я предупреждаю вас, это не будет доступно в готовом API, таком как EMGU CV.
Другие советы, применимые к EMGU CV:
- Используйте как можно больше тренировочных образов для каждого человека в наборе
- Если возможно, попробуйте разбить комплект на более мелкие группы
- Попробуйте использовать некоторые методы предварительной обработки, такие как нормализация света
- Возможно, попробуйте изображение с более высоким разрешением (хотя это ухудшит производительность)
- Возьмите тренировочные изображения с разными позами (например, направлением лица и эмоциями)
В заключениелучший способ повысить точность - написать собственную процедуру распознавания с именно теми функциями, которые вам нужны, и на самом деле это не так сложно, как вы думаете, просто требует терпения.Также вы можете захотеть взглянуть на другие методы распознавания лиц (их много), такие как геометрический подход, который использует такую информацию, как расстояние между глазами и т. Д.