#include <opencv2/face/facerec.hpp>

cv::face::EigenFaceRecognizer 的协作图

静态公共成员函数
static Ptr< EigenFaceRecognizer >	create (int num_components=0, double threshold=DBL_MAX)

从 cv::Algorithm 继承的静态公共成员函数
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件中加载算法。

template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	从字符串加载算法。

template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	从文件节点读取算法。

附加继承成员
从 cv::face::BasicFaceRecognizer 继承的公共成员函数
virtual bool	empty () const CV_OVERRIDE

cv::Mat	getEigenValues () const

cv::Mat	getEigenVectors () const

cv::Mat	getLabels () const

cv::Mat	getMean () const

int	getNumComponents () const

std::vector< cv::Mat >	getProjections () const

double	getThreshold () const CV_OVERRIDE

virtual void	read (const FileNode &fn) CV_OVERRIDE

virtual void	read (const String &filename)
	加载 FaceRecognizer 及其模型状态。

void	setNumComponents (int val)

void	setThreshold (double val) CV_OVERRIDE

virtual void	write (const String &filename) const
	保存 FaceRecognizer 及其模型状态。

virtual void	write (FileStorage &fs) const CV_OVERRIDE

从 cv::face::FaceRecognizer 继承的公共成员函数
virtual String	getLabelInfo (int label) const
	按标签获取字符串信息。

virtual std::vector< int >	getLabelsByString (const String &str) const
	按字符串获取标签向量。

int	predict (InputArray src) const

void	predict (InputArray src, int &label, double &confidence) const
	为给定的输入图像预测标签和相关的置信度（例如距离）。

virtual void	predict (InputArray src, Ptr< PredictCollector > collector) const =0
	如果已实现 - 将预测的所有结果发送给收集器，该收集器可用于某种自定义结果处理

virtual void	setLabelInfo (int label, const String &strInfo)
	为指定模型的标签设置字符串信息。

virtual void	train (InputArrayOfArrays src, InputArray labels)=0
	使用给定的数据和相关标签训练 FaceRecognizer。

virtual void	update (InputArrayOfArrays src, InputArray labels)
	使用给定的数据和相关标签更新 FaceRecognizer。

从 cv::Algorithm 继承的公共成员函数
	Algorithm ()

virtual	~Algorithm ()

virtual void	clear ()
	清除算法状态。

virtual String	getDefaultName () const

virtual void	save (const String &filename) const

void	write (const Ptr< FileStorage > &fs, const String &name=String()) const

void	write (FileStorage &fs, const String &name) const

从 cv::Algorithm 继承的保护成员函数
void	writeFormat (FileStorage &fs) const

从 cv::face::BasicFaceRecognizer 继承的保护属性
Mat	_eigenvalues

Mat	_eigenvectors

Mat	_labels

Mat	_mean

int	_num_components

std::vector< Mat >	_projections

double	_threshold

从 cv::face::FaceRecognizer 继承的保护属性
std::map< int, String >	_labelsInfo

成员函数文档

◆ create()

static Ptr< EigenFaceRecognizer > cv::face::EigenFaceRecognizer::create	(	int	num_components = 0,
		double	threshold = DBL_MAX )

static

Python
	cv.face.EigenFaceRecognizer.create(	[, num_components[, threshold]]	) ->	retval
	cv.face.EigenFaceRecognizer_create(	[, num_components[, threshold]]	) ->	retval

参数

num_components	为此主成分分析保留的组件（读作：特征脸）的数量。提示：没有规则规定应该保留多少组件（读作：特征脸）以获得良好的重建能力。它基于您的输入数据，因此请尝试使用该数字。保留 80 个组件几乎总是足够的。
RANSAC参数。它是点到像素中对极线的最大距离，超过此距离的点将被视为异常值，不用于计算最终的基本矩阵。它可以设置为1-3左右，具体取决于点定位的精度、图像分辨率和图像噪声。	预测中应用的阈值。

注释

训练和预测必须在灰度图像上完成，使用 cvtColor 在颜色空间之间进行转换。
特征脸方法做出假设，即训练和测试图像的大小相等。（大写锁定，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 EigenFaceRecognizer::create。
threshold 请参见 EigenFaceRecognizer::create。
eigenvalues 此主成分分析的特征值（按降序排列）。
eigenvectors 此主成分分析的特征向量（按其特征值排序）。
mean 从训练数据计算的样本均值。
projections 训练数据的投影。
labels 预测中应用的阈值。如果到最近邻的距离大于阈值，则此方法返回 -1。

此类文档由以下文件生成

opencv2/face/facerec.hpp

静态公共成员函数

附加继承成员

成员函数文档

◆ create()

注释

模型内部数据