关于人脸验证（相对于人脸识别）的置信度分数有什么建议吗？

我在代码中使用特征脸（PCA）进行人脸识别。我使用了OpenCV网站上的教程作为参考。虽然这对于识别人脸非常有用（即它可以正确地告诉您谁是谁），但基于置信度分数的人脸验证（或冒名顶替者检测 - 验证人脸是否已注册在训练集中）根本不起作用。

我计算欧几里德距离并将其用作置信度阈值。还有其他方法可以计算置信阈值吗？我尝试使用马哈拉诺比斯距离，如中提到的http://www.cognotics.com/opencv/servo_2007_series/part_5/page_5.html http://www.cognotics.com/opencv/servo_2007_series/part_5/page_5.html，但它产生了非常奇怪的值。

PS：像face.com 这样的解决方案可能不适合我，因为我需要在本地完成所有操作。

您可以使用以下命令将新的输入面投影到特征空间上subspaceProject()函数，然后使用特征空间生成重建的面subspaceReconstruct()然后比较相似程度输入面和重建面是。已知的人脸（训练数据集中的人脸）的重建图像将更类似于输入面比冒名顶替者的脸。 您可以设置相似度阈值进行验证。 这是代码：

// Project the input face onto the eigenspace.
Mat projection = subspaceProject(eigenvectors, FaceRow,input_face.reshape(1,1));

//Generate the reconstructed face
Mat reconstructionRow = subspaceReconstruct(eigenvectors,FaceRow, projection);

// Reshape the row mat to an image mat
Mat reconstructionMat = reconstructionRow.reshape(1,faceHeight);

// Convert the floating-point pixels to regular 8-bit uchar.
Mat reconstructed_face = Mat(reconstructionMat.size(), CV_8U);

reconstructionMat.convertTo(reconstructed_face, CV_8U, 1, 0);

然后，您可以使用以下命令比较输入人脸和重建人脸cv::norm()。例如：

// Calculate the L2 relative error between the 2 images. 
double err = norm(input_face,reconstructed_face, CV_L2);
// Convert to a reasonable scale
double similarity = error / (double)(input_face.rows * input_face.cols);