我目前的项目是建立一个面部认证系统。我的约束是：在注册期间，用户提供单个图像进行培训。但是，我可以在身份验证时添加和使用用户提供的图像。
我想在培训中添加更多图像的原因是，用户环境不受限制 - 不同的照明条件，与相机的距离不同，不同的MP相机。唯一的解脱是姿势几乎是正面的。
我认为，上述问题类似于广泛使用的面部标记应用程序。任何人都可以建议一种方法来自适应地巧妙地使用可用的图像吗？
- 由于
答案 0 :(得分：1)
为了使您的分类器更加强大，您需要使用条件无关功能。例如，您不能使用面部颜色，因为它取决于照明条件和人物本身的状态。但是，您可以使用眼睛之间的距离，因为它与任何变化无关。
我建议建立一些这样的独立功能模型，并在每次启动认证会话时重新训练分类器。我能想到的最佳模型是Active Appearance Model（one of implementations）。
答案 1 :(得分：1)
我建议您仔细查看SOM（自组织地图）。我认为它包含了你提到的所有问题和限制的解决方案。
您可以将它用于每个人的单个图像问题。此外，使用多个SOM-face策略，您可以根据其他图像可用于培训的情况进行调整。关于整个概念的相当简洁的是，当遇到新面孔时，只需要重新学习新面孔而不是整个原始数据库。
在此过程中您可能会发现一些有用的链接：
http://en.wikipedia.org/wiki/Self-organizing_map（维基）
http://cs.nju.edu.cn/zhouzh/zhouzh.files/publication/tnn05.pdf（一篇有趣的研究论文，展示了上述技术）
祝你好运