欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

【Opencv综合应用】自制训练集的人脸识别4——利用训练的xml识别人脸

程序员文章站 2022-07-12 20:47:45
...

【Opencv综合应用】自制训练集的人脸识别4——利用训练的xml识别人脸

说明

本文参考自https://www.cnblogs.com/fpzs/p/10550450.html.
还是和之前一样,由于Opencv版本的不同,需要增加头文件#include <opencv2/imgproc/types_c.h>,修改detectMultiScale中第5个参数CV_HAAR_DO_ROUGH_SEARCH为CASCADE_SCALE_IMAGE,然后就没问题了。

有了之前三篇文章的基础【Opencv综合应用】自制训练集的人脸识别3——用csv文件生成xml文件.【Opencv综合应用】自制训练集的人脸识别2——制作csv文件.【Opencv综合应用】自制训练集的人脸识别1——拍摄10张人脸图片. 终于,到了这个项目的最后一步了,现在我们就可以用训练好的模型,把检测到的人脸与人脸模型里面的进行对比,找出这是谁的脸了。

一,主要步骤

使用的是opencv中的Haar特征分类器,Harr Cascades
识别对象为视频中的人脸
1.打开摄像头。
2.加载人脸检测器,加载人脸模型。
3.待识别图像预处理 resize cvtColor 等,人脸检测。
4.把检测到的人脸与人脸模型里面的进行对比,找出这是谁的脸。
5.如果人脸是自己拍照的人脸,显示自己的名字“Safaearth”,如果不是则显示“Error”

这里对其中部分代码进行说明

switch (Predict(pImage_roi[i])) //对每张脸都识别
			{
			//根据自己的需要修改case后面的值
			case 41:str = "Safaearth"; break;
			default: str = "Error"; break;
			}

在把检测到的人脸与人脸模型里面的进行对比时用到了switch语句,case后面是你想检测的人脸所在的组别,这里根据自己的需要更改,我自己的人脸图片位于第41组,所以case后写41,当最终在控制台输出41且标出我的人脸名字时说明预测正确。

二,全部代码

/******************************
1.打开摄像头。
2.加载人脸检测器,加载人脸模型。
3.待识别图像预处理 resize cvtColor 等,人脸检测
4.把检测到的人脸与人脸模型里面的对比,找出这是谁的脸。
5.如果人脸是自己拍照的人脸,显示自己的名字“Safaearth”。
******************************/
#include<opencv2\opencv.hpp>  
#include<opencv2\face.hpp>
#include<opencv2\core\core.hpp>
#include<opencv2\face\facerec.hpp>
#include <fstream>  
#include <sstream> 
#include <math.h>
#include <opencv2/imgproc/types_c.h>

using namespace std;
using namespace cv;
using namespace cv::face;

RNG g_rng(12345);
Ptr<FaceRecognizer> model;
//识别图片
int Predict(Mat src_image)
{
	Mat face_test;
	int predict = 0;
	//截取的ROI人脸尺寸调整
	if (src_image.rows >= 120)
	{
		//改变图像大小,使用双线性差值
		resize(src_image, face_test, Size(92, 112));

	}
	//判断是否正确检测ROI
	if (!face_test.empty())
	{

		predict = model->predict(face_test);
	}
	cout << predict << endl;
	return predict;
}
int main()
{
	VideoCapture cap(0);
	if (!cap.isOpened())
	{
		return -1;
	}
	Mat frame;
	Mat gray;
	//这个分类器是人脸检测所用
	CascadeClassifier cascade;
	bool stop = false;
	//opencv自带的训练好harr分类器,放置在可执行文件同目录下  
	cascade.load("haarcascade_frontalface_alt2.xml");

	model = FisherFaceRecognizer::create();
	//1.加载我们自己训练好的分类器
	model->read("MyFaceModel.xml");
	//3.利用摄像头采集人脸并识别
	while (1)
	{
		cap >> frame;
		vector<Rect> faces(0);              //存放人脸的向量容器        
		cvtColor(frame, gray, CV_RGB2GRAY); //灰度化
		equalizeHist(gray, gray);           //直方图均值化
		//检测人脸
		cascade.detectMultiScale(gray, faces, 1.1, 4, 0 
			                                           //| CASCADE_FIND_BIGGEST_OBJECT,
			                                           //| CASCADE_DO_ROUGH_SEARCH,
                                                         | CASCADE_SCALE_IMAGE,
			                                             Size(30, 30), Size(500, 500));
		Mat* pImage_roi = new Mat[faces.size()];
		Mat face;
		Point text_lb;//文本写在的位置
		//框出人脸
		string str;
		for (int i = 0; i < faces.size(); i++)
		{
			pImage_roi[i] = gray(faces[i]); //将所有的脸部保存起来
			text_lb = Point(faces[i].x, faces[i].y);
			if (pImage_roi[i].empty())
				continue;
			switch (Predict(pImage_roi[i])) //对每张脸都识别
			{
			//这里是用的switch语句来选择想要检测的人脸组号
            //我要检测我自己,我的图像是第41组,所以case后面写41
            //当最终在控制台输出出41且正确标出人脸名字时说明预测正确
			case 41:str = "Safaearth"; break;
			default: str = "Error"; break;
			}
			Scalar color = Scalar(g_rng.uniform(0, 255), g_rng.uniform(0, 255), g_rng.uniform(0, 255));//所取的颜色任意值
			rectangle(frame, Point(faces[i].x, faces[i].y), Point(faces[i].x + faces[i].width, faces[i].y + faces[i].height), color, 3, 8);//放入缓存
			putText(frame, str, text_lb, FONT_HERSHEY_TRIPLEX, 1, Scalar(255, 255, 0));//添加文字
		}

		delete[]pImage_roi;
		imshow("face", frame);
		waitKey(200);
	}

	return 0;
}

三,结果

运行程序后就可以看到能够成功识别出我的脸了,控制台上也显示出41号说明正确
【Opencv综合应用】自制训练集的人脸识别4——利用训练的xml识别人脸
这里再放上一张索尔维会议的图片和我一起进行识别,看下有许多张人脸在时的检测效果
【Opencv综合应用】自制训练集的人脸识别4——利用训练的xml识别人脸
可以看到仍然能从众多大佬们的脸中识别出我ヽ(  ̄д ̄;)ノ

好了,整体上看来识别效果还是挺好的,如果还想继续增加识别精度的话可以增加人脸照片,增加训练集来达到。到此为止,自制训练集的人脸识别项目就算全部完成了<( ̄︶ ̄)>