人脸识别:每个人的所有图像都必须相同吗?

对于 Eigen/Fisherfaces，最安全的答案是每个类的数据集卷必须平衡。虽然一个类只缺少一些图像可能是可以的，但拥有一个比所有其他类多一个数量级的类肯定会引起问题。我猜，对于每项任务来说，可容忍的不平衡都是个人的。

归根结底，提到的每种算法都属于从训练数据集中查找最近的邻居来查询图像。特征/渔人脸在整个给定数据集上进行训练，计算数据集图像变化最大的向量。一个阶级的代表性过高或过低会导致一个不平衡的模型，而这种模型对它的作用不足。

相反，LBPH不是在整个数据集上训练的。它独立分析数据集中的每个图像，并将查询图像分别与每个图像进行比较。因此，数据集的全面性和代表性在这里比图像计数更重要。

OpenCV介绍了这些算法的内部工作原理。