我的项目是人脸认证。
系统描述：我的输入只有一张图像（这是用户第一次登录时拍摄的），并且只要用户登录到应用程序，使用该图像系统就应该进行身份验证。认证图像可能与第一个输入图像不同——不同的照明条件、与相机的不同距离以及 -10 到 10 度的姿势变化。所有情况下使用的相机都是相同的（例如：ipad）。
1) 每次用户登录时都会存储认证图像。如何利用这些图像来提高系统的准确性？
2）当有新图像出现时，我需要从图像存储库中选择最近的图像（而不是所有存储的图像）并用于身份验证以减少时间。如何根据照度/距相机的距离自动标记图像？
3）我应该如何让我的系统在照明和与相机距离的变化方面表现得体面？
拜托，任何人都可以为我的上述问题建议我好的 alogirthm/papers/opensource-codes 吗？
虽然这听起来像是一个研究项目，但如果我能得到任何人的回应，我将非常感激。
对于这项任务，我认为您应该看看OpenCV的人脸识别 API。API 基本上能够识别人脸的结构（当然在某些限制范围内），并为您提供人脸可用的图像坐标。
在我看来，只需要处理面部就可以减少处理不同背景颜色的需要，我认为这不是你真正需要的。
获得面部图像后，您可以将其放大/缩小以具有统一的大小，并将图像的颜色更改为灰度。最后，我会考虑将所有这些信息提供给人工神经网络，因为它们能够处理与输入的不一致。这将允许您在每次用户登录时增加您的知识库。
我很确定还有其他方法可以解决这个问题。我建议您查看Google Scholar以尝试查找处理此问题的论文，以获取更多信息以及实现您所追求的其他可能的方法。另外，请记住，如果运气好的话，您可能还会发现一些已经完成了您所追求的大部分工作的开源项目。
如果你真的有一个人脸照片数据库，你可能会用它来增强 OpenCV 人脸检测的功能。人脸识别的方法是通过将图片的主要成分与 OpenCV 数据库中人脸示例的主要成分进行比较。查看：
如何创建与 OpenCV 一起使用的 Haar Cascade (xml)？
看到这一点，您还可以尝试对识别出的人脸的每张图片进行自己的主成分分析（为此使用 OpenCV 人脸检测-> 将除人脸之外的所有内容涂黑，OpenCV 会为您提供人脸的位置和大小）。将 PCA 与数据库中的进行比较，并将其与最接近的相匹配。当然，这对于一个相当大的数据库来说效果最好，所以一开始可能会有错误的匹配。
我认为创建自己的 OpenCV haarcascade 将是最好的方法。
祝你好运！