python最小距离分类器实现人脸识别代码示例

以下是一个简单的Python代码示例，用于实现最小距离分类器的人脸识别：

import numpy as np
import cv2

# 加载训练数据
database = {
    "Alice": np.load("alice.npy"),
    "Bob": np.load("bob.npy")
}

# 加载测试数据
test_img = cv2.imread("test.jpg")
test_feature = extract_feature(test_img)

# 计算距离
min_dist = float("inf")
min_label = None
for label, feature in database.items():
    dist = np.linalg.norm(feature - test_feature)
    if dist < min_dist:
        min_dist = dist
        min_label = label

# 输出结果
print("Test image is recognized as", min_label)

在这个示例中，我们首先加载了训练数据，其中每个人的特征向量都存储在一个.npy文件中。然后，我们加载了要测试的图像，并提取其特征向量。接下来，我们计算测试图像特征向量与数据库中每个特征向量之间的欧几里得距离，并找到最小距离对应的人脸标签。最后，我们输出识别结果。

需要注意的是，这只是一个简单的示例，实际应用中需要进行更多的处理和优化，如人脸检测、特征提取、数据预处理等。