opencv - 人脸识别(二维数组)置信度公式推导

置信度= 1.0f-sqrt(distSq /(float)(nTrainFaces * nEigens))/ 255.0f

为什么将其除以(nTrainFaces * nEigens)？

最佳答案

好吧，如果您只是想查找仅具有1个且只有经过训练的人脸的“测试人脸特征 vector (或值？)”的置信度值，则可以执行以下操作

confidence = 1.0f - (sqrt( least_squared_distance / no_of_eigens ) / 255.0)

但是，由于要在经过训练的人脸数据库中找到最近的邻居，因此您需要信心来反射(reflect)出在所有经过训练的人脸中，最近的邻居对训练后的数据库中的其中一张脸具有较高的置信度值。因此，现在不是针对1个训练过的脸部而是计算所有训练过的脸部时的置信度

confidence = 1.0f - (sqrt( least_squared_distance / no_of_trained_faces * no_of_eigens ) / 255.0)

minimum_squared_distance = DBL_MAX基本上是说出minimum_squared_distance = 99999999的安全方法，因为取决于平台，硬件或实现，这可能会导致缓冲区溢出。因此，DBL_MAX是代表最大 double 值的标准库。

这就是它找到最小平方距离的方式

if(distSq < leastDistSq) {
  leastDistSq = distSq;
  iNearest = iTrain;
}

关于opencv - 人脸识别(二维数组)置信度公式推导，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/22791971/