#include <opencv2/face/facerec.hpp>

cv::face::FisherFaceRecognizer 的協作圖

靜態公共成員函式
static Ptr< FisherFaceRecognizer >	create (int num_components=0, double threshold=DBL_MAX)

從 cv::Algorithm 繼承的靜態公共成員函式
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	從檔案中載入演算法。

template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	從字串載入演算法。

template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	從檔案節點讀取演算法。

附加繼承的成員
從 cv::face::BasicFaceRecognizer 繼承的公共成員函式
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)
	載入 FaceRecognizer 及其模型狀態。

void	setNumComponents (int val)

void	setThreshold (double val) CV_OVERRIDE

virtual void	write (const String &filename) const
	儲存 FaceRecognizer 及其模型狀態。

virtual void	write (FileStorage &fs) const CV_OVERRIDE

從 cv::face::FaceRecognizer 繼承的公共成員函式
virtual String	getLabelInfo (int label) const
	按標籤獲取字串資訊。

virtual std::vector< int >	getLabelsByString (const String &str) const
	按字串獲取標籤向量。

int	predict (InputArray src) const

void	predict (InputArray src, int &label, double &confidence) const
	預測給定輸入影像的標籤和相關的置信度（例如距離）。

virtual void	predict (InputArray src, Ptr< PredictCollector > collector) const =0
	如果已實現 - 將所有預測結果傳送給收集器，該收集器可用於某種自定義結果處理

virtual void	setLabelInfo (int label, const String &strInfo)
	為指定模型的標籤設定字串資訊。

virtual void	train (InputArrayOfArrays src, InputArray labels)=0
	使用給定的資料和關聯的標籤訓練 FaceRecognizer。

virtual void	update (InputArrayOfArrays src, InputArray labels)
	使用給定的資料和關聯的標籤更新 FaceRecognizer。

從 cv::Algorithm 繼承的公共成員函式
	Algorithm ()

virtual	~Algorithm ()

virtual void	clear ()
	清除演算法狀態。

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

從 cv::Algorithm 繼承的保護成員函式
void	writeFormat (FileStorage &fs) const

從 cv::face::BasicFaceRecognizer 繼承的保護屬性
Mat	_eigenvalues

Mat	_eigenvectors

Mat	_labels

Mat	_mean

int	_num_components

std::vector< Mat >	_projections

double	_threshold

從 cv::face::FaceRecognizer 繼承的保護屬性
std::map< int, String >	_labelsInfo

成員函式文件

◆ create()

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

static

Python
	cv.face.FisherFaceRecognizer.create(	[, num_components[, threshold]]	) ->	retval
	cv.face.FisherFaceRecognizer_create(	[, num_components[, threshold]]	) ->	retval

引數

num_components	用於此 Fisherfaces 判別準則的線性判別分析中保留的元件數（讀取：Fisherfaces）。保留所有元件很有用，這意味著您的類 c 的數量（讀取：您想要識別的主題、人員）。如果將其保留為預設值 (0) 或將其設定為小於等於 0 或大於 (c-1) 的值，它將自動設定為正確的數字 (c-1)。
RANSAC引數。它是點到畫素中對極線的最大距離，超過此距離的點將被視為異常值，不用於計算最終的基本矩陣。它可以設定為1-3左右，具體取決於點定位的精度、影像解析度和影像噪聲。	預測中應用的閾值。如果到最近鄰居的距離大於閾值，則此方法返回 -1。

備註

訓練和預測必須在灰度影像上完成，使用 cvtColor 在顏色空間之間轉換。
FISHERFACES 方法假設訓練和測試影像大小相等。（大寫鎖定，因為我收到了很多詢問此內容的郵件）。您必須確保您的輸入資料具有正確的形狀，否則會丟擲有意義的異常。使用 resize 調整影像大小。
此模型不支援更新。

模型內部資料

num_components 請參見 FisherFaceRecognizer::create。
threshold 請參見 FisherFaceRecognizer::create。
eigenvalues 此線性判別分析的特徵值（按降序排列）。
eigenvectors 此線性判別分析的特徵向量（按其特徵值排序）。
mean 從訓練資料計算的樣本均值。
projections 訓練資料的投影。
labels 對應於投影的標籤。

此類文件由以下檔案生成

opencv2/face/facerec.hpp

靜態公共成員函式

附加繼承的成員

成員函式文件

◆ create()

備註

模型內部資料