opencv 人脸识别 训练和识别

Posted 2020-07-04

上一篇中我们对训练数据做了一些预处理，检测出人脸并保存在\pic\color\x文件夹下（x=1,2,3,...类别号），本文做训练和识别。为了识别，首先将人脸训练数据 转为灰度、对齐、归一化，再放入分类器（EigenFaceRecognizer）,最后用训练出的model进行predict。

 

-----------------------------------------

 

环境：vs2010+opencv 2.4.6.0

特征：eigenface

Input：一个人脸数据库，15个人，每人20个样本（左右）。

Output：人脸检测，并识别出每张检测到的人脸。

 

-----------------------------------------

 

1. 为训练数据预处理（ 转为灰度、对齐、归一化 ）

 

• 转为灰度和对齐是后面做训练时EigenFaceRecognizer的要求；
• 归一化是防止光照带来的影响

 

在上一篇的 2.2 Prehelper.cpp文件中加入函数

void resizeandtogray(char* dir,int k,  vector<Mat> &images, vector<int> &labels,
vector<Mat> &testimages, vector<int> &testlabels);

 

 

[cpp] view plain copy

 

 

1. void resizeandtogray(char* dir,int K, vector<Mat> &images, vector<int> &labels,  
2.     vector<Mat> &testimages, vector<int> &testlabels)  
3. {  
4.     IplImage* standard = cvLoadImage("D:\\privacy\\picture\\photo\\2.jpg",CV_LOAD_IMAGE_GRAYSCALE);  
5.     string cur_dir;  
6.     char id[5];  
7.     int i,j;  
8.     for(int i=1; i<=K; i++)  
9.     {  
10.         cur_dir = dir;  
11.         cur_dir.append("gray\\");     
12.         _itoa(i,id,10);  
13.         cur_dir.append(id);  
14.         const char* dd = cur_dir.c_str();  
15.         CStatDir statdir;  
16.         if (!statdir.SetInitDir(dd))  
17.         {  
18.             puts("Dir not exist");  
19.             return;  
20.         }  
21.         cout<<"Processing samples in Class "<<i<<endl;  
22.         vector<char*>file_vec = statdir.BeginBrowseFilenames("*.*");  
23.         for (j=0;j<file_vec.size();j++)  
24.         {  
25.             IplImage* cur_img = cvLoadImage(file_vec[j],CV_LOAD_IMAGE_GRAYSCALE);  
26.             cvResize(cur_img,standard,CV_INTER_AREA);  
27.             Mat cur_mat = cvarrToMat(standard,true),des_mat;  
28.             cv::normalize(cur_mat,des_mat,0, 255, NORM_MINMAX, CV_8UC1);  
29.             cvSaveImage(file_vec[j],cvCloneImage(&(IplImage) des_mat));  
30.             if(j!=file_vec.size())  
31.             {  
32.                     images.push_back(des_mat);  
33.                     labels.push_back(i);  
34.             }  
35.             else  
36.             {  
37.                 testimages.push_back(des_mat);  
38.                 testlabels.push_back(i);  
39.             }  
40.         }  
41.         cout<<file_vec.size()<<" images."<<endl;  
42.     }  
43. }  

 

 

并在main中调用：

 

[cpp] view plain copy

 

 

1. int main( )  
2. {  
3.     CvCapture* capture = 0;  
4.     Mat frame, frameCopy, image;  
5.     string inputName;     
6.     int mode;  
7.   
8.     char dir[256] = "D:\\Courses\\CV\\Face_recognition\\pic\\";   
9.     //preprocess_trainingdata(dir,K); //face_detection and extract to file  
10.     vector<Mat> images,testimages;  
11.     vector<int> labels,testlabels;  
12.     resizeandtogray(dir,K,images,labels,testimages,testlabels); //togray, normalize and resize  
13.       
14.     system("pause");  
15.     return 0;  
16. }  

 

2. 训练

有了vector<Mat> images,testimages; vector<int> labels,testlabels; 可以开始训练了，我们采用EigenFaceRecognizer建模。

在Prehelper.cpp中加入函数

Ptr<FaceRecognizer> Recognition(vector<Mat> images, vector<int> labels,vector<Mat> testimages, vector<int> testlabels)；

 

 

[cpp] view plain copy

 

 

1. Ptr<FaceRecognizer> Recognition(vector<Mat> images, vector<int> labels,  
2.     vector<Mat> testimages, vector<int> testlabels)  
3. {  
4.     Ptr<FaceRecognizer> model = createEigenFaceRecognizer(10);//10 Principal components  
5.     cout<<"train"<<endl;  
6.     model->train(images,labels);  
7.     int i,acc=0,predict_l;  
8.     for (i=0;i<testimages.size();i++)  
9.     {  
10.         predict_l = model->predict(testimages[i]);  
11.         if(predict_l != testlabels[i])  
12.         {  
13.             cout<<"An error in recognition: sample "<<i+1<<", predict "<<  
14.                 predict_l<<", groundtruth "<<testlabels[i]<<endl;  
15.             imshow("error 1",testimages[i]);  
16.             waitKey();  
17.         }  
18.         else  
19.             acc++;  
20.     }  
21.     cout<<"Recognition Rate: "<<acc*1.0/testimages.size()<<endl;  
22.     return model;  
23. }  

 

Recognization()输出分错的样本和正确率，最后返回建模结果Ptr<FaceRecognizer> model

 

 

主函数改为：

[cpp] view plain copy

 

 

1. int main( )  
2. {  
3.     CvCapture* capture = 0;  
4.     Mat frame, frameCopy, image;  
5.     string inputName;     
6.     int mode;  
7.   
8.     char dir[256] = "D:\\Courses\\CV\\Face_recognition\\pic\\";   
9.     //preprocess_trainingdata(dir,K); //face_detection and extract to file  
10.     vector<Mat> images,testimages;  
11.     vector<int> labels,testlabels;  
12.     //togray, normalize and resize; load to images,labels,testimages,testlabels  
13.     resizeandtogray(dir,K,images,labels,testimages,testlabels);   
14.     //recognition  
15.     Ptr<FaceRecognizer> model = Recognition(images,labels,testimages,testlabels);  
16.     char* dirmodel = new char [256];  
17.     strcpy(dirmodel,dir); strcat(dirmodel,"model.out");  
18.     FILE* f = fopen(dirmodel,"w");  
19.     fwrite(model,sizeof(model),1,f);  
20.     system("pause");  
21.     return 0;  
22. }  

 

 

最终结果：一个错分样本，正确率93.3%

 

 

文章所用代码打包链接：http://download.csdn.net/detail/abcjennifer/7047853

from: http://blog.csdn.net/abcjennifer/article/details/20446077