#Joint_Bayesian Face Verification/联合贝叶斯人脸验证 C++实现joint bayesian人脸验证算法

##Platform and Dependency/平台及依赖项

• Visual Studio 2013(Windows)
• eigen3

##Introduction/介绍 ###joingbayesian_cli

joint bayesian算法的C++实现以及C++/CLI封装

###jointbayesian_Csharp

C#测试示例工程，调用C++/CLI封装的dll文件进行训练，测试

###data_normalizationCsharp 原始数据归一化

###thrid_featureCsharp 归一化数据转换为三值特征

##Usage/使用

实现了JointbBayesian_CLI类，提供了2个接口函数供C#调用

• 构造函数：JointbBayesian_CLI(bool flag,String^ A_path,String^ G_path)
  输入：flag：是否读取A，G矩阵
  A_path：A矩阵路径
  G_path：G矩阵路径
  
• 训练：

double train_jointbayesian(array<double,2>^ train_dataset, 
array<int>^ train_label, 
int trainM,
int trainN，
array<double, 2>^ test_dataset, 
array<int>^test_label, 
int testM, 
int testN，
double threshold_start, 
double threshold_end, 
double step)

输入：训练集，测试集，起始阈值及步长
输出：计算出模型矩阵A,G,并存储为dat文件，返回测试集最佳阈值true
* 批量测试： ``` double test_jointbayesian(array^ test_dataset, array^test_label, int testM, int testN， double threshold_start, double threshold_end, double step)) ```

• 单对图片测试：bool testpair_jointbayesian((array<double, 2>^ test_pair, double threshold, int M, int N)
  输入：test_pair：一对测试图片
  threshold:由 performance_jointbayesian()计算出的最佳阈值
  输出：判定两张图片属于同一人，返回true；否则，返回false
  训练阶段，调用train_jointbayesian函数
  测试阶段，调用testpair_jointbayesian函数
  

##更新日志 ###2016.9.22： 1.改进了Su，Sw协方差矩阵计算方法，加快了训练速度。 2.提供了独立的批量测试函数test_jointbayesian;

##Training Dataset/训练集 训练集和标签的dat文件：训练集

##Test Results/测试结果 正确率：88.6%
单对图片检测时间：<1ms

##Contributor/贡献者

• Chao Ma