Comment améliorer le taux de précision sur Eigenface algorithme

Question

J'utilise la bibliothèque EmguCV (wrapper OpenCV) sur C# pour la détection des visages mis en œuvre et la reconnaissance faciale en utilisant l'algorithme Eigenface

J'ai trouvé beaucoup d'erreurs de taux de précision tels que la distance minimale est pas un même personne dans l'ensemble d'entraînement, personne qui n'existe pas dans l'ensemble d'entraînement mais qui correspond à une personne dans un ensemble d'entraînement avec une bonne distance, etc.

aidez-moi s'il vous plaît.

Merci.

informations supplémentaires: - J'utilise 1 image faciale pour 1 personne dans le jeu de formation (image faciale droite, pas d'orientation) - Maintenant, je teste avec environ 10-20 personnes en formation ensemble

Answer 1

Essayez le flou images. Comme vous n'utilisez qu'une seule image d'entraînement par personne, Eigenface n'a aucun moyen de savoir si le composant haute fréquence ou le composant basse fréquence serait plus utile. Pour décider du niveau de flou/de réduction d'échelle des images, effectuez une expérience avec un humain. Donnez à une personne quelques paires d'images de test floues et demandez-leur de faire correspondre. Essayez de savoir à quel point vous pouvez rendre les images floues et réussir à les faire correspondre. Utilisez les mêmes paramètres de flou pour l'ordinateur.

Les techniques d'alignement d'image peuvent également aider. Par exemple, normaliser les images de sorte que la pointe du nez et les deux yeux (formant un triangle) soient affines transformés en un ensemble standard d'emplacements. Enfin, quelques techniques simples de prétraitement de valeurs propres ou de techniques de prétraitement d'image (telles que l'égalisation d'histogramme) peuvent aider.

Answer 2

• Voici les options suivantes qui peuvent vous aider à augmenter votre précision

1] Image à l'échelle:

• Faites vos valeurs de pixel d'image de 0 à 1

2] Alignement de l'image (Ceci est une étape très importante pour ac Hieve bonne performance):

• Aligner toutes les images de train et des images de test afin que les yeux, le nez, la bouche de tous les visages dans toutes les images ont presque les mêmes coordonnées

• Cocher cette afficher sur l'alignement de la face (hautement recommandé): https://www.pyimagesearch.com/2017/05/22/face-alignment-with-opencv-and-python/

3] trick augmentation des données:

• Vous pouvez ajouter des filtres à vous visages qui auront un effet de la même visage dans différentes conditions d'éclairage
• donc d'un visage que vous pouvez faire plusieurs images dans différentes conditions d'éclairage

4] Suppression bruit:

• Avant d'effectuer l'étape 3 appliquer le flou gaussien à toutes les images