OpenCV 4.5.3(日本語機械翻訳)
|
Minimum Average Correlation Energy Filter useful for authentication with (cancellable) biometrical features. (does not need many positives to train (10-50), and no negatives at all, also robust to noise/salting) [詳解]
#include <mace.hpp>
cv::Algorithmを継承しています。
公開メンバ関数 |
|
virtual CV_WRAP void | salt (const cv::String &passphrase)=0 |
オプションで,ランダムな畳み込みで画像を暗号化します[【詳解】(英語]
|
|
virtual CV_WRAP void | train (cv::InputArrayOfArrays images)=0 |
正の特徴で学習させ、Maceフィルタを計算する。h = D(-1) * X * (X(+) * D(-1) * X)(-1) * C また,このクラスに対する最小の閾値,つまり,訓練画像からの自己相似性が最小となる閾値を計算します.[【詳解】(英語]
|
|
virtual CV_WRAP bool | same (cv::InputArray query) const =0 |
クエリ画像と閾値を相関させてクラス値を最小にする[【詳解】(英語]
|
|
![]() |
|
virtual CV_WRAP void | clear () |
アルゴリズムの状態をクリアする[【詳解】(英語]
|
|
virtual void | write (FileStorage &fs) const |
アルゴリズムのパラメーターをファイルストレージに格納[【詳解】(英語]
|
|
CV_WRAP void | write (const Ptr< FileStorage > &fs, const String &name=String()) const |
これはオーバーロードされたメンバ関数です。利便性のために用意されています。元の関数との違いは引き数のみです。 |
|
virtual CV_WRAP void | read (const FileNode &fn) |
アルゴリズム・パラメータをファイル・ストレージから読み込みます。[【詳解】(英語]
|
|
virtual CV_WRAP bool | empty () const |
が空の場合はtrueを返します。Algorithmが空の場合は真を返します。[【詳解】(英語]
|
|
virtual CV_WRAP void | save (const String &filename) const |
virtual CV_WRAP String | getDefaultName () const |
静的公開メンバ関数 |
|
static CV_WRAP cv::Ptr< MACE > | load (const String &filename, const String &objname=String()) |
コンストラクタ[【詳解】(英語]
|
|
static CV_WRAP cv::Ptr< MACE > | create (int IMGSIZE=64) |
コンストラクタ[【詳解】(英語]
|
|
![]() |
|
template<typename _Tp > | |
static Ptr< _Tp > | read (const FileNode &fn) |
ファイル・ノードからアルゴリズムを読み込む[【詳解】(英語]
|
|
template<typename _Tp > | |
static Ptr< _Tp > | load (const String &filename, const String &objname=String()) |
ファイルからアルゴリズムを読み込む[【詳解】(英語]
|
|
template<typename _Tp > | |
static Ptr< _Tp > | loadFromString (const String &strModel, const String &objname=String()) |
文字列からアルゴリズムを読み込む[【詳解】(英語]
|
|
その他の継承メンバ |
|
![]() |
|
void | writeFormat (FileStorage &fs) const |
最小平均相関エネルギーフィルタは,(キャンセル可能な)バイオメトリクス特徴を用いた認証に役立ちます.(学習に多くの陽性(10-50)と全くの陰性を必要とせず,ノイズや塩分にも強い)
も参照してください。[Savvides04] を参照してください。
この実装は主に以下に基づいています。https://code.google.com/archive/p/pam-face-authentication(GSOC 2009)
のように使うことができます。
パスフレーズを追加して、二要素認証を使用することもできます。
モデルを保存/読み込みます。
コンストラクタ
IMGSIZE | 画像のサイズは,この値に合わせて変更されます(偶数である必要があります). |
|
static |
コンストラクタ
filename | 新しいインスタンスをMACEインスタンスを構築します。FileStorage |
objname | (オプション) のトップレベルノードから新しいインスタンスを生成します.FileStorage |
|
pure virtual |
オプションで,ランダムな畳み込みで画像を暗号化します
passphrase | crc64ランダムシードが生成される |
|
pure virtual |
クエリ画像と閾値を相関させてクラス値を最小にする
query | aMatクエリ画像との相関 |
|
pure virtual |
正の特徴で学習させ、Maceフィルタを計算する。h = D(-1) * X * (X(+) * D(-1) * X)(-1) * C
また,このクラスに対する最小の閾値,つまり,訓練画像からの自己相似性が最小となる閾値を計算します.
images | 訓練画像を含む vector<Mat>. |