人脸特征比对

• 写在前面
  上一篇解决了人脸Box的截取 以及 人脸特征的提取（人脸检测+特征提取）
  这篇解决人脸比对的问题，即输入目标人脸，与一组待比较人脸，返回目标人脸在这一组待比较人脸的相识度排序

• 具体实现：分别提取人脸特征，逐个计算输入目标人脸特征与待比较人脸特征的欧氏距离，根据一定的规则将欧氏距离转换为百分比

补充：欧氏距离
特征距离计算用欧氏距离计算 (欧氏距离计算的是空间中两个点的绝对距离,距离dist越小(最小为0),特征越相似
一般来说, 欧式距离小于1.24可以判定为同一个人
将欧氏距离转换为百分比, 转换公式为: s = 1/[1+e^(ax+b)]
用设置a,b的值实现: (a, b) = (3.30, -3.93)。一般80%左右就能确定是同一个人
p.s. 其实a, b值根据数据集的变化而变化, 是通过对数据集的整体估计得出的,
这里没有使用到数据集所以简单定值XD

（下面直接给关键函数，不理解请评论区

欧氏距离转百分比

def eD2percentage(eD):
    a, b = 3.30, -3.93
    per = 1 / (1 + math.e ** (a * eD + b))
    per = int(per * 100.0)
    per_str = str(per) + "%"
    return per_str

【注意】由于使用了指数，可能会产生RuntimeWarning: overflow encountered in power
产生这个报错的原因：eD值过大=>e指数过大=>分母过大=>per值过小，超出机器数能表示的最小值。
不想产生这个报错也很简单，if-else，当输入的eD值过大时，用较为缓和的计算，例如指数运算改为乘法。
我这里没有添加，因为不影响我的结果，eD值过大就是根本不一样嘛，per为0，相似度为0%。

人脸特征比对（1v1）

def feature_compare(feature1, feature2):
    diff = np.subtract(feature1, feature2)
    dist = np.sum(np.square(diff), 1)
    return dist

人脸特征比较（1对多）

def compare_faces(feature, baseFeatures):
	"""
	feature:目标人脸特征
	baseFeatures:待比较人脸组的特征（列表）
	"""
	matched_result = []
    for i, face in enumerate(baseFeatures):
        face_feature = face["feature"]
        eD = feature_compare(feature, face_feature)
        per = eD2percentage(mode, eD)
        matched_result.append(per)
    print(matched_result)
    return matched_result