Tak, można bezwzględnie używać eigenfaces. Twarze treningowe nie mają nic wspólnego z dwoma twarzami, które porównujesz do rozpoznawania twarzy. Mieć galerię twarzy z ćwiczeniami powiedzmy 100 twarzy. Następnie, aby porównać dwie twarze (face_1 i face_2), zrób dekompozycję powierzchni własnej każdej twarzy za pomocą 100 twarzy w twojej galerii treningowej. Na przykład face_1 = [2 3 1 5 ...] * [eigFace1 eigface2 eigface3 eigface4 ...] 'i to samo dla drugiej twarzy. Ten wektor, który pokazałem powyżej w przykładzie [2 3 1 5 ...], porównaj go dla każdego z twoich dwóch rozkładów twarzy w jakimś algorytmie odległości (niezależnie od tego, czy jest to odległość euklidesowa, czy jakaś inna metryka odległości). Jeśli odległość w granicach określonego progu, możesz powiedzieć, że są one takie same. Pamiętaj, że jeśli korzystasz z przestrzeni własnych, pozy, warunki oświetlenia, rozmiar i tło wszystkich obrazów treningowych oraz twarze, które próbujesz porównać, muszą być znormalizowane. Oczy, nosy, usta również muszą być tak ustawione, jak to tylko możliwe.
Mówisz "prawdopodobieństwo", kiedy masz na myśli "podobieństwo". Naprawiono to dla ciebie. – ikegami
dziękuję ikegami –
@MarcoL. Czy rozwiązałeś problem? Szukam tego samego. –