私は自分のコードで顔認識のために固有顔（PCA）を使用しています。 OpenCVのウェブサイトのチュートリアルを参考にしました。これは、顔を認識するためにはうまくいくが（つまり、誰が正しく人物であるかを示すことができる）、信頼スコアベースの顔照合（または詐称者の検出 - 顔がトレーニングセットに登録されているかどうかを確認する）（顔認識ではなく）顔認証の信頼スコアに関するヒントはありますか？
私はユークリッド距離を計算し、それを信頼限界として使用します。信頼限界を計算する他の方法はありますか？私はhttp://www.cognotics.com/opencv/servo_2007_series/part_5/page_5.htmlで言及されているようにマハラノビス距離を使ってみましたが、かなり奇妙な値を出していました。
PS：私がローカルですべてを行う必要があるため、face.comのようなソリューションはおそらく私にとっては役に立たないでしょう。
LDA（Linear Discriminant Analysis）やローカルバイナリパターン（LBP）のようなPCA以外の特徴抽出アルゴリズムを見ることができます。
LDAモデルのクラス間変動とLBPは照明不変記述子です。これらのアルゴリズムの両方をOpenCVに実装しています。以下のリンクを確認してください。
http://docs.opencv.org/trunk/modules/contrib/doc/facerec/facerec_api.html
あなたはsubspaceProject()機能を使用して固有空間への新しい入力面を投影し、その後subspaceReconstruct()を使用してバック固有空間からの再構成顔を生成し、input_faceとreconstructed_faceがどのように似て比較することができます。既知の顔（訓練データセット内の顔）は、詐称者の顔よりも入力_顔に類似した再構成画像を有する。 検証に類似性のしきい値を設定できます。
// Project the input face onto the eigenspace.
Mat projection = subspaceProject(eigenvectors, FaceRow,input_face.reshape(1,1));
//Generate the reconstructed face
Mat reconstructionRow = subspaceReconstruct(eigenvectors,FaceRow, projection);
// Reshape the row mat to an image mat
Mat reconstructionMat = reconstructionRow.reshape(1,faceHeight);
// Convert the floating-point pixels to regular 8-bit uchar.
Mat reconstructed_face = Mat(reconstructionMat.size(), CV_8U);
reconstructionMat.convertTo(reconstructed_face, CV_8U, 1, 0);
あなたは、入力顔とcv::norm()を用いて再構成顔を比較することができます： は、ここでは、コードです。例：
// Calculate the L2 relative error between the 2 images.
double err = norm(input_face,reconstructed_face, CV_L2);
// Convert to a reasonable scale
double similarity = error/(double)(input_face.rows * input_face.cols);