我有网络摄像头，可以检测人脸并将其存储在图像存储库中。在存储库中，只存储面（图像），其中我有多个复制面。有没有可以检测到重复面孔的选项？
我尝试通过计算图像的哈希值，但它只能检测到重复的图像而不是面部。请提出最佳解决方案。
我尝试使用链接https://www.tensorflow.org/api_docs/python/tf/contrib/learn/KMeansClustering，但我无法输入图像并执行。
由于 阿维纳什
答案 0 :(得分：2)
面部检测 =识别面部出现在图像中的位置，并找出它在图像中的位置。
面部识别 =将面部与已知人物的身份相匹配，或者根据他们是同一个人的图像，将多个面部图像相互匹配。
您说您的网络摄像头（至少）进行了人脸检测。您的问题表明您也想要表彰。
这两个过程都需要提取图像中的高级不变量。这些不变特征表示的计算几乎是现代计算机视觉的最前沿。简单地散列像素值与光年相距几年：只要一个像素的强度甚至在一个通道中甚至一个级别变化，图像的散列将以任意程度相差。当然，像这样的微小变化不会改变图像中脸部的身份。像素级别的更大，更大的变化不一定会改变身份 - 它们可能是由于头部的旋转，不同的光照条件，胡须/太阳镜/发型变化等等。
如果您说您的网络摄像头＆＃34;检测到面孔＆＃34;，那是由于网络摄像头制造商提供的面部检测技术吗？如果是这样，请从他们的API文档开始。也许他们也支持面对识别？检查一下，然后google＆＃34;面部识别库＆＃34;比较其他软件方法来解决这个复杂问题。
您可能决定进一步探索的一个选项是OpenCV，它具有Python绑定，并包含用于检测（使用CascadeClassifier对象）和识别（使用FaceRecognizer）的工具。这是一个教程：http://docs.opencv.org/2.4/modules/contrib/doc/facerec/tutorial/facerec_video_recognition.html
大多数＆＃34;认可＆＃34;方法是监督，因为它们需要一套训练集＆＃34;预先指定。也许你的应用程序允许这样做：也许你事先知道谁会在照片中并且已经有他们的照片，每个都与身份相关联。 （例如，Facebook的面部识别能够利用人们先前在照片中标记面部的事实，从而为与特定身份相关联的图像提供多个训练点。）如果不是，那么您可以使用。我们必须提出一些即时建立训练集的方案，并不断或定期更新训练。这种特定的人脸识别问题子类型可以描述为＆＃34;无监督的人脸聚类＆＃34; - 即，将面部图像分组在一起，而不事先知道它们中的任何一个的身份。 Facebook也在某种程度上这样做。这更接近最前沿的前沿，您可能需要深入研究计算机科学文献，以弄清楚它是如何完成的。请参阅此处，例如：http://bitsearch.blogspot.com/2013/02/unsupervised-face-clustering-with-opencv.html