Main

非常感谢您的详细回复, 人脸检测我推荐个中科院的SeetaFace开源检测算法, 要准确的多, 并可移植到ARM运行环境中. 最后再次感谢你的回复 ------------------ 原始邮件 ------------------ 发件人: "1997huoda"; 发送时间: 2019年8月19日(星期一) 下午5:40 收件人: "1997huoda/face-recognition-system-ARM"; 抄送: "Main";"Author"; 主题: Re: [1997huoda/face-recognition-system-ARM] 每个人脸的训练样本数量是多少? (#1) 1.人脸检测 我记得当时摄像头装反了，用了图像翻转函数，这个人脸检测，可以检测倒着的人脸，但是效果不佳；人脸检测的参数可调； 我用的人脸检测算法：https://github.com/ShiqiYu/libfacedetection 徐仕琪的算法不需要依赖库 没有用更复杂的、更快的另外一个人脸检测算法 2.训练图片： 尽量保持每个人的样本数量一致，在简单的Yale数据集以及其他简单数据集上1-3张可表现较高识别性能、3张基本就能用。以Yale数据集为例3张可以达到98.5%，7张也差不多这样。 如果使用时光照差距过大，则要么使用所有不同光照条件下的样本训练、要么使用对称变化的光源条件下的样本（一对，如一左一右）训练、光照预处理算法和参数自己调节。...

嗯, 相比你所用的方法而言Seeta的方法的确是慢的, 增加检测人脸大小阈值会提高检测速度, 优点是准确度要比你所用的方法要高, 之前我用你的这个开源库做个人脸检测, 速度很快, 不过同一张照片一个人脸你所用的库会检测出三个区域, 两只眼睛, 一个脸颊, Seeta库会正确检测出人脸区域. ------------------ 原始邮件 ------------------ 发件人: "1997huoda"; 发送时间: 2019年8月20日(星期二) 晚上7:45 收件人: "1997huoda/face-recognition-system-ARM"; 抄送: "Main";"Author"; 主题: Re: [1997huoda/face-recognition-system-ARM] 每个人脸的训练样本数量是多少? (#1) The speed comparison...