【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
一，主要步骤
二，全部代码
三，结果

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;
}