我要将素描脸(绘图照片)与彩色照片相匹配。因此,对于研究,我想找出将草图与彩色面孔相匹配的挑战。现在我发现了
- 分辨率像素差
- 质地差异
- 距离差
- 和颜色(影响不大)
我想知道(在技术方面)还有哪些其他挑战,有哪些可用OPEN CV
的JAVA CV
方法和算法来克服这些挑战?
以下是一些已知与它们相匹配的草图和照片的示例:
我要将素描脸(绘图照片)与彩色照片相匹配。因此,对于研究,我想找出将草图与彩色面孔相匹配的挑战。现在我发现了
我想知道(在技术方面)还有哪些其他挑战,有哪些可用OPEN CV
的JAVA CV
方法和算法来克服这些挑战?
以下是一些已知与它们相匹配的草图和照片的示例:
这个问题被称为多模态人脸识别。将高质量的面部照片(模态 1)与低质量的监视图像(模态 2)进行比较引起了很多兴趣,另一种是将正面图像与侧面图像进行比较,或者将图片与 OP 感兴趣的草图进行比较。偏最小二乘法(PLS) ) 和捆绑因子分析 (TFA) 已用于此目的。
一个关键的困难是计算从模态 1(和模态 2)中的图像到两个点接近意味着个体相同的空间的两个线性投影。这是关键的技术步骤。以下是一些关于这种方法的论文:
如您所知,这是一个活跃的研究领域/问题。在使用 OpenCV 克服困难方面,让我给你打个比方:你需要盖房子(将草图与照片匹配),你会问斯坦利锤 (OpenCV) 会有什么帮助。当然,它可能会有所帮助。但是你还需要很多其他资源:木材、时间/金钱、管道、电缆等。
我认为 James Elder 关于边缘图完整性的旧工作(通过求解拉普拉斯方程使用重建)在这里非常相关。查看本文末尾的结果:http: //elderlab.yorku.ca/~elder/publications/journals/ElderIJCV99.pdf
你可以试试 Eigenfaces,虽然我从来没有用草图测试过它们,我认为它们至少可以成为你研究的一个很好的起点。
请参阅 Wiki:http ://en.wikipedia.org/wiki/Eigenface和 OpenCV 教程: http: //docs.opencv.org/modules/contrib/doc/facerec/facerec_tutorial.html(不仅包括 Eigenfaces!)
OpenCV 可用于此任务所需的特征提取和机器学习。我想您可以从上面答案中的论文开始,从一些基本功能开始,并使用 OpenCV 对分类器进行原型制作。
我猜您可能还想检测和匹配面部特征点。如果您使用这种方法,您将不得不自己进行特征点检测器(在 OpenCV 中使用您自己的数据训练 Viola-Jones 检测器是一种选择)。