FaceRecognition：每个人的所有图像是否必须相同？

Question

我想知道，在Eigen / Fisher / LBPH FaceRecognizer中训练面部的人均图像数量（例如：10图像/人）是否重要？或者它可以是不同的数量（person1：10图像，person2：20图像，......）

Answer 1

对于Eigen / Fisherfaces，最安全的答案是每个类的数据集卷必须平衡。虽然缺少一个类的一些图像可能没问题，但是具有比所有其他图像具有一个数量级更多图像的类将明确地引起问题。我想，容忍失衡对每项任务都是个人的。

在一天结束时，每个提到的算法都会从训练数据集中找到最近的邻居来查询图像。在整个给定数据集上训练特征/ Fisherfaces，计算数据集图像变化最大的矢量。如果一个阶级的代表性过高或代表性不足，就会导致一个不平衡的模型，而这个模型对它的影响不大。

相反，LBPH未对整个数据集进行过培训。它独立地分析数据集中的每个图像，并将查询图像分别与每个图像进行比较。因此，数据集的全面性和代表性比图像计数更重要。

OpenCV有an intro to inner workings这些算法。