cv::face::MACE クラス

（取り消し可能な）生体特徴による認証に有用な最小平均相関エネルギーフィルタ。（学習に多数の正例を必要とせず（10～50）、負例はまったく不要で、ノイズやソルトに対しても頑健） 続き...

#include <opencv2/face/mace.hpp>

Collaboration diagram for cv::face::MACE:

公開メンバ関数
virtual void	salt (const cv::String &passphrase)=0
	省略可能。ランダム畳み込みで画像を暗号化する
virtual bool	same (cv::InputArray query) const =0
	クエリ画像を相関させ、最小クラス値でしきい値処理する
virtual void	train (cv::InputArrayOfArrays images)=0
	正例特徴で学習し、MACEフィルタを計算する: h = D(-1) * X * (X(+) * D(-1) * X)(-1) * C また、このクラスの最小しきい値、すなわち学習画像から得られる最小の自己相似度も計算する
Public Member Functions inherited from cv::Algorithm
	Algorithm ()
virtual	~Algorithm ()
virtual void	clear ()
	アルゴリズムの状態をクリアする。
virtual bool	empty () const
	Algorithm が空の場合（たとえば開始直後や読み込みに失敗した後）に true を返す。
virtual String	getDefaultName () const
virtual void	read (const FileNode &fn)
	ファイルストレージからアルゴリズムの引数を読み込む。
virtual void	save (const String &filename) const
void	write (const Ptr< FileStorage > &fs, const String &name=String()) const
virtual void	write (FileStorage &fs) const
	アルゴリズムの引数をファイルストレージに保存する。
void	write (FileStorage &fs, const String &name) const

静的公開メンバ関数
static cv::Ptr< MACE >	create (int IMGSIZE=64)
	コンストラクタ
static cv::Ptr< MACE >	load (const String &filename, const String &objname=String())
	コンストラクタ
Static Public Member Functions inherited from cv::Algorithm
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。
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。
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。

Additional Inherited Members
Protected Member Functions inherited from cv::Algorithm
void	writeFormat (FileStorage &fs) const

詳細説明

（取り消し可能な）生体特徴による認証に有用な最小平均相関エネルギーフィルタ。（学習に多数の正例を必要とせず（10～50）、負例はまったく不要で、ノイズやソルトに対しても頑健）

次も参照: [242]

この実装は主に次に基づいている: https://code.google.com/archive/p/pam-face-authentication (GSOC 2009)

次のように使用する:

Ptr<face::MACE> mace = face::MACE::create(64);
 
vector<Mat> pos_images = ...
mace->train(pos_images);
 
Mat query = ...
bool same = mace->same(query);

追加のパスフレーズを用いた二要素認証も使用できる:

String owners_passphrase = "ilikehotdogs";
Ptr<face::MACE> mace = face::MACE::create(64);
mace->salt(owners_passphrase);
vector<Mat> pos_images = ...
mace->train(pos_images);
 
// now, users have to give a valid passphrase, along with the image:
Mat query = ...
cout << "enter passphrase: ";
string pass;
getline(cin, pass);
mace->salt(pass);
bool same = mace->same(query);

モデルの保存/読み込み:

Ptr<face::MACE> mace = face::MACE::create(64);
mace->train(pos_images);
mace->save("my_mace.xml");
 
// later:
Ptr<MACE> reloaded = MACE::load("my_mace.xml");
reloaded->same(some_image);

メンバ関数詳解

create()

static cv::Ptr< MACE > cv::face::MACE::create ( int IMGSIZE = 64 )

static

Python:
	cv.face.MACE.create(	[, IMGSIZE]	) ->	retval
	cv.face.MACE_create(	[, IMGSIZE]	) ->	retval

コンストラクタ

引数

IMGSIZE

画像はこのサイズにリサイズされる（偶数であること）

load()

static cv::Ptr< MACE > cv::face::MACE::load ( const String & filename, const String & objname = String() )

static

Python:
	cv.face.MACE.load(	filename[, objname]	) ->	retval
	cv.face.MACE_load(	filename[, objname]	) ->	retval

コンストラクタ

引数

filename	事前にシリアライズされた FileStorage から新しい MACE インスタンスを構築する
objname	（省略可能）FileStorage 内のトップレベルノード

salt()

virtual void cv::face::MACE::salt ( const cv::String & passphrase )

pure virtual

Python:
	cv.face.MACE.salt(	passphrase	) ->	None

省略可能。ランダム畳み込みで画像を暗号化する

引数

passphrase

これから crc64 のランダムシードが生成される

same()

virtual bool cv::face::MACE::same ( cv::InputArray query ) const

pure virtual

Python:
	cv.face.MACE.same(	query	) ->	retval

クエリ画像を相関させ、最小クラス値でしきい値処理する

引数

query

クエリ画像を保持する Mat

train()

virtual void cv::face::MACE::train ( cv::InputArrayOfArrays images )

pure virtual

Python:
	cv.face.MACE.train(	images	) ->	None

正例特徴で学習し、MACEフィルタを計算する: h = D(-1) * X * (X(+) * D(-1) * X)(-1) * C また、このクラスの最小しきい値、すなわち学習画像から得られる最小の自己相似度も計算する

引数

images

学習画像を保持する vector<Mat>

---

このクラス詳解は次のファイルから抽出されました:

• opencv2/face/mace.hpp