Opencv

※前提条件：本情報はOpenCV3.1を基づいて説明してる

概要 †

[edit]

FaceRecognizer顔識別contribライブラリ

以下のアルゴリズムを提供している。

• EigenFace
• FisherFace
• LBPHFace

以上のアルゴリズムで訓練と予測用の写真は必ずグレー化される上、同じサイズの画像を利用すること。

問題点 †

[edit]

この三つのアルゴリズムは経験統計の方法で識別するため、訓練画像の照明、視角に大きく影響される。

照明 †

[edit]

今の時点では、国際上照明の問題まだいい解決法がない。

視角 †

[edit]

3Dモデル方法で解決できるだが、訓練画像の採取設備のコストが高い。一般的の2Dカメラから撮った2D画像をどう3Dへ変換できるのも課題となる。

紹介 †

[edit]

共通的に以下のメソッドを提供する

• train訓練
• predict予測（戻り値は-1の場合は予測不能と意味している）
• saveデータ保存
• loadデータ読込（毎回訓練する必要がなく、一回訓練したデータを保存、次回起動時データをロードするだけ）

サンプルコード：

vector<Mat> images;  
vector<int> labels;  
// images for first person  
images.push_back(imread("person0/0.jpg", CV_LOAD_IMAGE_GRAYSCALE));  
labels.push_back(0);  
images.push_back(imread("person0/1.jpg", CV_LOAD_IMAGE_GRAYSCALE));  
labels.push_back(0);  
// images for second person  
images.push_back(imread("person1/0.jpg", CV_LOAD_IMAGE_GRAYSCALE));  
labels.push_back(1);  
images.push_back(imread("person1/1.jpg", CV_LOAD_IMAGE_GRAYSCALE));  
labels.push_back(1);  
  
Ptr<FaceRecognizer> model = createFisherFaceRecognizer();  
model->train(images, labels);  
  
Mat img = imread("person1/2.jpg", CV_LOAD_IMAGE_GRAYSCALE);  
int predicted = model->predict(img);

EigenFace †

[edit]

顔の特徴を抽出できるアルゴリズム

FisherFace †

[edit]

Fisher顔

LBPHFace †

[edit]

LBPアルゴリズム パラメータは、半径radius，neighbors，x、y方向セル数grid_x,grid_y、 histograms訓練データから学習した図形、 labels対応のラベル

コメント：

お名前:

(画像の文字列を入力して下さい)