Распознавание лица с FisherFace всегда предсказывает человека. Как вернуть -1 (неизвестный человек), если у вас нет обученного человека, чтобы смотреть в камеру?

Question

У меня есть набор данных, состоящий из 2 человек (PERSON A и PERSON B).

Мой код отлично работает, когда PERSON A или PERSON B Перейти к камере (в режиме реального времени). Но я снова тестирую PERSON C (не имеют обучающих образов PERSON C в CSV-файле), когда PERSON C идет к камере; программа снова предсказывает A или B.

Я хочу вернуть -1 (неизвестный человек). Как это сделать? Я использую этот код;

#include <opencv2/core/core.hpp> 
#include <opencv2/contrib/contrib.hpp> 
#include <opencv2/highgui/highgui.hpp> 
#include <opencv2/imgproc/imgproc.hpp> 
#include <opencv2/objdetect/objdetect.hpp> 

#include <iostream> 
#include <fstream> 
#include <sstream> 
#include <string> 
#include <stdio.h> 

using namespace cv; 
using namespace std; 

string person_name_1, person_name_2; 
string haar_cascade_file = "C:\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_default.xml"; 
CascadeClassifier detectFace; 
string filename; 
int filenumber; 
VideoCapture video; 

static void csvFile_read(const string& filename, vector<Mat>& images, vector<int>& labels, char seperator = ';'){ 
    std::ifstream file(filename.c_str(), ifstream::in); 
    if (!file){ 
     string error_message = "File not found"; 
     CV_Error(CV_StsBadArg, error_message); 
    } 
    string line, file_path, file_label; 
    while (getline(file, line)){ 
     stringstream lines(line); 
     getline(lines, file_path, seperator); 
     getline(lines, file_label); 
     if (!file_path.empty() && !file_label.empty()){ 
      images.push_back(imread(file_path, 0)); 
      labels.push_back(atoi(file_label.c_str())); 
     } 

    } 


} 
int main(int argc, const char *argv[]){ 

    double const threshold = DBL_MAX; 
    string csv_file = "C:\\Users\\user\\Desktop\\Tutorialss\\important books\\final year\\DetectsAndRecognizeFaces\\DetectsAndRecognizeFaces\\DetectsAndRecognizeFaces\\csv.ext"; 
    int cameraNo = 0; 

    vector<Mat> images; 
    vector<int> labels; 

    try{ 
     csvFile_read(csv_file, images, labels); 
    } 
    catch (cv::Exception& e){ 
     cerr << "Error " << csv_file << "\..." << " Reason: " << e.msg << endl; 
     exit(1); 
    } 


    int image_width = images[0].cols; 
    int image_height = images[0].rows; 



    Ptr<FaceRecognizer> face_recog_model = createFisherFaceRecognizer(0,DBL_MAX); 
    face_recog_model->train(images, labels); 




    detectFace.load(haar_cascade_file); 

    VideoCapture video(cameraNo); 


    if (!video.isOpened()){ 
     cerr << cameraNo << " camera error" << endl; 
     return -1; 
    } 

    string person_list[] = 
    { 
     "PERSON A", 
     "PERSON B" 
    }; 


    Mat live_video; 
    while (1){ 
     video >> live_video; 
     Mat original = live_video.clone(); 
     Mat grey; 
     cvtColor(original,grey, CV_BGR2GRAY); 

     vector< Rect_<int> > faces; 
     detectFace.detectMultiScale(grey, faces); 



     for (int i = 0; i < faces.size(); i++){ 

      Rect face_i = faces[i]; 
      Mat face = grey(face_i); 

      Mat face_resize; 
      resize(face, face_resize, Size(image_width, image_height), 1.0, 1.0, INTER_CUBIC); 

      int predict = face_recog_model->predict(face_resize); 
      rectangle(original, face_i, CV_RGB(0, 255, 0), 1); 
      string text_box; 
      text_box = format("Predict= "); 
      if (predict >= 0 && predict <= 1){ 

       text_box.append(person_list[predict]); 
      } 
      else{ 
       text_box.append("Unknown..."); 
      } 


      int horizontal = std::max(face_i.tl().x - 10, 0); 
      int vertical = std::max(face_i.tl().y - 10, 0); 
      putText(original, text_box, Point(horizontal, vertical), FONT_HERSHEY_PLAIN, 1.0, CV_RGB(0, 255, 0), 2.0); 


     } 
     imshow("Face Detector", original); 
     char key = (char)waitKey(20); 
     if (key == 27) 
      break; 
    } 
    return 0; 

} 

и мой CSV файл:

path\personA_01.jpg;0 
path\personA_02.jpg;0 
path\personA_03.jpg;0 
path\personA_04.jpg;0 
path\personA_05.jpg;0 
path\personA_06.jpg;0 
path\personA_07.jpg;0 
path\personA_08.jpg;0 
path\personA_09.jpg;0 
path\personA_10.jpg;0 
path\personB_01.jpg;1 
path\personB_02.jpg;1 
path\personB_03.jpg;1 
path\personB_04.jpg;1 
path\personB_05.jpg;1 
path\personB_06.jpg;1 
path\personB_07.jpg;1 
path\personB_08.jpg;1 
path\personB_09.jpg;1 
path\personB_10.jpg;1 

Как решить эту проблему?

Answer 1

Вы делаете двоичную классификацию. То, что вы ищете, - это классификация по нескольким классам, для категории Person A, Person B и Unknown Person. Вам нужен классификатор нескольких классов или несколько бинарных классификаторов и данные обучения для категории Неизвестный человек.

Answer 2

Вы должны установить порог, который вы делаете, но я не вижу ваш определить в любом месте:

double const threshold = DBL_MAX; 

Если она пересекает этот порог доверия, он возвращает -1.