python人脸比对算法_人脸验证算法Joint Bayesian详解及实现（Python版）

人脸验证算法Joint Bayesian详解及实现(Python版)

Tags： JointBayesian DeepLearning Python

本博客仅为作者记录笔记之用，不免有很多细节不对之处。

还望各位看官能够见谅，欢迎批评指正。

博客虽水，然亦博主之苦劳也。

Bayesian Face Revisited: A Joint Formulation

============================

研究人脸识别方向快一年多了，虽没有什么大的成果，不过总归还算有些许小收获。

在下不才，未能像师兄张雨石 那般洋洋洒洒写下注：本文乃大水文，大神请勿逗留)。

我们知道，人脸识别有两个大方向：

Face Verification，判断两张人脸是否为同一个人。

Face Identification，从一个人脸库中找到给定的这张人脸对应的身份。

本文要重点介绍的Joint Bayesian 就是用来实现第一个(face verification)功能的。本文主要是针对Bayesian Face Revisited: A Joint Formulation 这篇文章的笔记。这篇论文仅通过高维LBP跟Joint Bayesian这两个方法结合，就把LFW 数据集上的人脸验证准确率轻松刷到了92.4%. 香港中文大学团队的DeepID2将七个联合贝叶斯模型使用SVM进行融合，最终达到了99.15%的结果。

一个Naive的想法

如果这个任务交给你，你最开始会怎么想？如何判断两张图片是否为同一个人？

提取这两张图片的特征，然后得出两张图片的差异？ -

通过差异来判断，差异为何种情况时为同一个人，否则为不同人？

我们假装专业一点，用x1，x2 分别表示两张图片，Hi表示这两张图片为intra-personal(同一个人)，用 He 表示extra-personal(不同人)。用 △ 表示 x1-x2 (两者差异)。

假装我们能够写下如下公式(反正我肯定写不出来)：