我已经通过网络搜索，但没有发现任何答案至今以下问题，所以我想在这里问，如果有人可以帮助我认为：
基本上我需要的是一样的，从PraveenofPersia /杰西有解决方案，但只有Python实现考虑费歇尔识别器： 置信度得分的人脸验证任何提示（相对于人脸识别）？
到现在为止，我所面临的问题，即CV2不提供任何subspaceProject也没有任何其他。
这里有没有人建议吗？
谢谢！
Answer 1:
这些功能是不幸的是没有暴露在默认情况下Python API中。
如果您正在构建从源头cv2.pyd，有一个简单的补救措施：
- 找到自己的RESP。 声明，OpenCV的/模块/的contrib /包含/ opencv2 /的contrib / contrib.hpp
- 改变
CV_EXPORTS Mat subspaceProject(...)以CV_EXPORTS_W Mat subspaceProject(...) 改变
CV_EXPORTS Mat subspaceReconstruct(...)以CV_EXPORTS_W Mat subspaceReconstruct(...)重新运行cmake的/使重建的简历库和python封装模块
thew附加_W前缀将添加的那些功能所产生的包装纸
Answer 2:
我继续在C RE-写的功能++作为蟒蛇。 这不是最干净的，但它的工程！ 如果从借此Python代码，并与高层次的概念夫妇它的另一个C ++例子 ，你可以做正是你想做什么。
# projects samples into the LDA subspace
def subspace_project(eigenvectors_column, mean, source):
source_rows = len(source)
source_cols = len(source[0])
if len(eigenvectors_column) != source_cols * source_rows:
raise Exception("wrong shape")
flattened_source = []
for row in source:
flattened_source += [float(num) for num in row]
flattened_source = np.asarray(flattened_source)
delta_from_mean = cv2.subtract(flattened_source, mean)
# flatten the matrix then convert to 1 row by many columns
delta_from_mean = np.asarray([np.hstack(delta_from_mean)])
empty_mat = np.array(eigenvectors_column, copy=True) # this is required for the function call but unused
result = cv2.gemm(delta_from_mean, eigenvectors_column, 1.0, empty_mat, 0.0)
return result
# reconstructs projections from the LDA subspace
def subspace_reconstruct(eigenvectors_column, mean, projection, image_width, image_height):
if len(eigenvectors_column[0]) != len(projection[0]):
raise Exception("wrong shape")
empty_mat = np.array(eigenvectors_column, copy=True) # this is required for the function call but unused
# GEMM_2_T transposes the eigenvector
result = cv2.gemm(projection, eigenvectors_column, 1.0, empty_mat, 0.0, flags=cv2.GEMM_2_T)
flattened_array = result[0]
flattened_image = np.hstack(cv2.add(flattened_array, mean))
flattened_image = np.asarray([np.uint8(num) for num in flattened_image])
all_rows = []
for row_index in xrange(image_height):
row = flattened_image[row_index * image_width: (row_index + 1) * image_width]
all_rows.append(row)
image_matrix = np.asarray(all_rows)
image = normalize_hist(image_matrix)
return image
def normalize_hist(face):
face_as_mat = np.asarray(face)
equalized_face = cv2.equalizeHist(face_as_mat)
equalized_face = cv.fromarray(equalized_face)
return equalized_face
文章来源: opencv facerecognition: subspaceproject and subspacereconstruct methods in python
