我正在进行一个基于面部识别和验证的项目。我使用了孪生网络来获取面部的128维向量（嵌入）。

我将人的面部编码/嵌入存储在数据库中，然后将新面部的编码与之前存储的编码进行匹配以识别该人。

为了构建一个健壮的系统，我需要存储同一个人的多个编码。当我只使用一个编码向量并进行匹配时：

使用face_recognition库（用于计算距离）：

face_recognition.compare_faces( stored_list_of_encodings, checking_image_encodings )

这种方法并非每次都能奏效，因为我只与单一编码进行了比较。为了使系统适用于大多数情况，我希望存储同一个人的至少3个编码，然后与新数据进行比较。

现在的问题是：如何存储同一个人的多个嵌入并计算距离？

我使用face_recognition作为库，并使用孪生网络进行特征提取。

回答：

你有没有考虑使用SVM分类器来分类面部？SVM分类器的输入将是大小为128的向量。你可以收集属于同一个人面部的几个向量（在你的例子中是3个），并将其作为一个类别拟合到SVM中。你可以对不同的面部（类别）做同样的事情。

然后，在预测面部时，只需输入新的向量并运行

svm.predict([..])

我在项目中有一个类似的用例，但我使用的是Facenet作为特征提取器。效果非常好。