包 org.opencv.face

类 FisherFaceRecognizer

    • 构造函数详情

      • FisherFaceRecognizer

        protected FisherFaceRecognizer​(long addr)

    • 方法详情

      • 创建

        public static FisherFaceRecognizer create​(int num_components,
                                          double threshold)
        参数
        num_components - 使用 Fisherfaces 准则的此线性判别分析保留的成分（即 Fisherfaces）数。保留所有成分很有用，这意味着您的类 c（即您想要识别的对象、人员）的数量。如果将其保留为默认值 (0) 或将其设置为小于等于 0 或大于 (c-1) 的值，则它将自动设置为正确的值 (c-1)。
        threshold - 应用于预测的阈值。如果到最近邻的距离大于阈值，则此方法返回 -1。 ### 注意
        • 训练和预测必须在灰度图像上进行，使用 cvtColor 在颜色空间之间转换。
        • FISHERFACES 方法假设训练和测试图像大小相同。（大写加粗，因为我收到了很多询问此问题的邮件）。您必须确保您的输入数据具有正确的形状，否则会抛出有意义的异常。使用 resize 调整图像大小。
        • 此模型不支持更新。
        ### 模型内部数据
        • num_components 请参见 FisherFaceRecognizer::create。
        • threshold 请参见 FisherFaceRecognizer::create。
        • eigenvalues 此线性判别分析的特征值（按降序排列）。
        • eigenvectors 此线性判别分析的特征向量（按其特征值排序）。
        • mean 从训练数据计算出的样本均值。
        • projections 训练数据的投影。
        • labels 与投影对应的标签。
        返回
        自动生成

      • 创建

        public static FisherFaceRecognizer create​(int num_components)
        参数
        num_components - 使用 Fisherfaces 准则的此线性判别分析保留的成分（即 Fisherfaces）数。保留所有成分很有用，这意味着您的类 c（即您想要识别的对象、人员）的数量。如果将其保留为默认值 (0) 或将其设置为小于等于 0 或大于 (c-1) 的值，则它将自动设置为正确的值 (c-1)。大于阈值，则此方法返回 -1。 ### 注意
        • 训练和预测必须在灰度图像上进行，使用 cvtColor 在颜色空间之间转换。
        • FISHERFACES 方法假设训练和测试图像大小相同。（大写加粗，因为我收到了很多询问此问题的邮件）。您必须确保您的输入数据具有正确的形状，否则会抛出有意义的异常。使用 resize 调整图像大小。
        • 此模型不支持更新。
        ### 模型内部数据
        • num_components 请参见 FisherFaceRecognizer::create。
        • threshold 请参见 FisherFaceRecognizer::create。
        • eigenvalues 此线性判别分析的特征值（按降序排列）。
        • eigenvectors 此线性判别分析的特征向量（按其特征值排序）。
        • mean 从训练数据计算出的样本均值。
        • projections 训练数据的投影。
        • labels 与投影对应的标签。
        返回
        自动生成

      • 创建

        public static FisherFaceRecognizer create()
        使用 Fisherfaces 准则进行判别分析。保留所有成分很有用，这意味着您的类 c（即您想要识别的对象、人员）的数量。如果将其保留为默认值 (0) 或将其设置为小于等于 0 或大于 (c-1) 的值，则它将自动设置为正确的值 (c-1)。大于阈值，则此方法返回 -1。 ### 注意
        • 训练和预测必须在灰度图像上进行，使用 cvtColor 在颜色空间之间转换。
        • FISHERFACES 方法假设训练和测试图像大小相同。（大写加粗，因为我收到了很多询问此问题的邮件）。您必须确保您的输入数据具有正确的形状，否则会抛出有意义的异常。使用 resize 调整图像大小。
        • 此模型不支持更新。
        ### 模型内部数据
        • num_components 请参见 FisherFaceRecognizer::create。
        • threshold 请参见 FisherFaceRecognizer::create。
        • eigenvalues 此线性判别分析的特征值（按降序排列）。
        • eigenvectors 此线性判别分析的特征向量（按其特征值排序）。
        • mean 从训练数据计算出的样本均值。
        • projections 训练数据的投影。
        • labels 与投影对应的标签。
        返回
        自动生成

      • finalize

        protected void finalize()
                 throws java.lang.Throwable
        覆盖
        finalize 在类 BasicFaceRecognizer 中
        抛出
        java.lang.Throwable