基于open cv 的人脸识别程序
基于open cv 的人脸识别小程序完整的程序源码已经上传到 github，但是下载后自己的电脑可能要设置一些opencv的环境，这些网上已经有文章了，自己可以去找找。源码下载路径：https://github.com/lza1205/opencv_face_demo有疑问，可以联系微信号：13510979604运行程序后，会打开摄像头获取摄像头数据。可以识别多个人脸并标记。效果...
·
基于open cv 的人脸识别小程序
完整的程序源码已经上传到 github，但是下载后自己的电脑可能要设置一些opencv的环境，这些网上已经有文章了，自己可以去找找。
源码下载路径：https://github.com/lza1205/opencv_face_demo
有疑问，可以联系微信号：13510979604
运行程序后，会打开摄像头获取摄像头数据。可以识别多个人脸并标记。效果如下，人物已经手动加码：
1、在摄像头录像框输入 p 可以添加人脸，此时系统会自动捕捉记录人脸，同时会在命令行提示输入人物姓名（目前仅有英文）
// myface.cpp: 主项目文件。
#include "stdafx.h"
#include <cstring> // for strcat()
#include <io.h>
#include<opencv2\opencv.hpp>
#include<opencv2\face.hpp>
#include<iostream>
using namespace std;
using namespace cv;
using namespace cv::face;
//string opencv_face_xml = "lbpcascade_frontalface.xml";
string opencv_face_xml = "haarcascade_frontalface_alt.xml";
VideoCapture cap(0); //打开默认摄像头
struct face_st
{
String name;
};
struct face_st face_array[1024];
void face_array_init(void)
{
int i;
for (i = 0; i < sizeof(face_array) / sizeof(face_array[0]); i++)
{
if (i == 41)
{
face_array[i].name = "lianzhian";
}
else
{
face_array[i].name = "undef";
}
}
}
int take_image(int rflg, int index);
int train_face(void);
String get_face_name(int index);
void get_input_name(int index);
int main()
{
if (!cap.isOpened())
{
return -1;
}
Mat frame;
Mat edges;
Mat gray;
int perv_predictPCA = 0;
int count = 0;
CascadeClassifier cascade;
bool stop = false;
face_array_init();
//训练好的文件名称，放置在可执行文件同目录下
cascade.load(opencv_face_xml);
//cascade.load("haarcascade_frontalface_alt");
Ptr<FaceRecognizer> modelPCA = EigenFaceRecognizer::create();
//modelPCA->load("MyFacePCAModel.xml");
modelPCA->read("MyFaceFisherModel.xml");
while (1)
{
cap >> frame;
//建立用于存放人脸的向量容器
vector<Rect> faces(0);
cvtColor(frame, gray, CV_BGR2GRAY);
//改变图像大小，使用双线性差值
//resize(gray, smallImg, smallImg.size(), 0, 0, INTER_LINEAR);
//变换后的图像进行直方图均值化处理
equalizeHist(gray, gray);
cascade.detectMultiScale(gray, faces,
1.1, 2, 0
//|CV_HAAR_FIND_BIGGEST_OBJECT
//|CV_HAAR_DO_ROUGH_SEARCH
| CV_HAAR_SCALE_IMAGE,
Size(30, 30));
Mat face;
Point text_lb;
for (size_t i = 0; i < faces.size(); i++)
{
if (faces[i].height > 0 && faces[i].width > 0)
{
face = gray(faces[i]);
text_lb = Point(faces[i].x, faces[i].y);
rectangle(frame, faces[i], Scalar(255, 0, 0), 1, 8, 0);
Mat face_test;
int predictPCA = 0;
if (face.rows >= 120)
{
resize(face, face_test, Size(92, 112));
}
//Mat face_test_gray;
//cvtColor(face_test, face_test_gray, CV_BGR2GRAY);
if (!face_test.empty())
{
//测试图像应该是灰度图
predictPCA = modelPCA->predict(face_test);
}
cout << predictPCA << endl;
if (predictPCA != 0)
{
if (predictPCA == perv_predictPCA)
{
count++;
/*
string name = "lianzhian";
putText(frame, name, text_lb, FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255));
*/
}
else
{
count = 0;
perv_predictPCA = predictPCA;
}
//if (count >= 3)
{
//string name = face_array[predictPCA].name;
string name = get_face_name(predictPCA);
/*
switch (predictPCA)
{
case 41:
name = "lianzhian";
break;
default:
break;
}
*/
putText(frame, name, text_lb, FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255));
}
}
}
}
imshow("face", frame);
switch (char(waitKey(200)))
{
case 'p':
{
int index;
index = take_image(0, 0);
if (index != -1)
{
train_face();
get_input_name(index);
modelPCA->read("MyFaceFisherModel.xml");
}
}
break;
case 't':
{
train_face();
modelPCA->read("MyFaceFisherModel.xml");
}
break;
case 'r':
{
take_image(1, 41);
}
break;
}
}
return 0;
}
int check_dir_count(const char * dir)
{
int dir_count = 0;
char dirNew[200];
strcpy(dirNew, dir);
strcat(dirNew, "\\*.*"); // 在目录后面加上"\\*.*"进行第一次搜索
intptr_t handle;
_finddata_t findData;
handle = _findfirst(dirNew, &findData);
if (handle == -1) // 检查是否成功
return -1;
do
{
if (findData.attrib & _A_SUBDIR)
{
if (strcmp(findData.name, ".") == 0 || strcmp(findData.name, "..") == 0)
continue;
dir_count++;
/*
cout << findData.name << "\t<dir>\n";
// 在目录后面加上"\\"和搜索到的目录名进行下一次搜索
strcpy(dirNew, dir);
strcat(dirNew, "\\");
strcat(dirNew, findData.name);
listFiles(dirNew);
*/
}
/*
else
cout << findData.name << "\t" << findData.size << " bytes.\n";
*/
} while (_findnext(handle, &findData) == 0);
_findclose(handle); // 关闭搜索句柄
return dir_count;
}
/*
rflg : 表示要不要重新采集数据，如果为 1 表示重新采集
index ：表示重新采集谁的
*/
int take_image(int rflg, int index)
{
CascadeClassifier cascade;
cascade.load(opencv_face_xml);
Mat frame;
int pic_num = 1;
int dir_count;
if (rflg == 1)
{
dir_count = index;
}else
{
dir_count = check_dir_count("att_faces") + 1;
if (dir_count == -1)
return -1;
cout << "dir_count is :" << dir_count << endl;
string dir_name = format("att_faces\\s%d", dir_count);
cout << "mkdir dir :" << dir_name << endl;
string command;
command = "mkdir " + dir_name;
system(command.c_str());
}
while (1)
{
cap >> frame;
std::vector<Rect> faces;
Mat frame_gray;
cvtColor(frame, frame_gray, COLOR_BGR2GRAY);
cascade.detectMultiScale(frame_gray, faces, 1.1, 4, 0, Size(100, 100), Size(500, 500));
for (size_t i = 0; i < faces.size(); i++)
{
rectangle(frame, faces[i], Scalar(255, 0, 0), 2, 8, 0);
}
if (faces.size() == 1)
{
Mat faceROI = frame_gray(faces[0]);
Mat myFace;
resize(faceROI, myFace, Size(92, 112));
putText(frame, to_string(pic_num), faces[0].tl(), 3, 1.2, (0, 0, 255), 2, LINE_AA);
string filename = format("att_faces\\s%d\\new%d.jpg", dir_count, pic_num);
cout << "filename is :" << filename << endl;
imwrite(filename, myFace);
//如果是重新采集，就不需要更新了。
if (rflg == 0)
{
ofstream write("at.txt", ios::app);//打开record.txt文件，以ios::app追加的方式输入
write << filename << ";" << dir_count << endl;
write.close();//关闭文件
}
imshow(filename, myFace);
waitKey(500);
destroyWindow(filename);
pic_num++;
if (pic_num == 11)
{
destroyWindow("frame");
return dir_count;
}
}
imshow("frame", frame);
waitKey(100);
}
return dir_count;
}
static Mat norm_0_255(InputArray _src) {
Mat src = _src.getMat();
// 创建和返回一个归一化后的图像矩阵:
Mat dst;
switch (src.channels()) {
case 1:
cv::normalize(_src, dst, 0, 255, NORM_MINMAX, CV_8UC1);
break;
case 3:
cv::normalize(_src, dst, 0, 255, NORM_MINMAX, CV_8UC3);
break;
default:
src.copyTo(dst);
break;
}
return dst;
}
//使用CSV文件去读图像和标签，主要使用stringstream和getline方法
static void read_csv(const string& filename, vector<Mat>& images, vector<int>& labels, char separator = ';') {
std::ifstream file(filename.c_str(), ifstream::in);
if (!file) {
string error_message = "No valid input file was given, please check the given filename.";
CV_Error(CV_StsBadArg, error_message);
}
string line, path, classlabel;
while (getline(file, line)) {
stringstream liness(line);
getline(liness, path, separator);
getline(liness, classlabel);
if (!path.empty() && !classlabel.empty()) {
images.push_back(imread(path, 0));
labels.push_back(atoi(classlabel.c_str()));
}
}
}
int train_face(void)
{
//读取你的CSV文件路径.
//string fn_csv = string(argv[1]);
string fn_csv = "at.txt";
// 2个容器来存放图像数据和对应的标签
vector<Mat> images;
vector<int> labels;
// 读取数据. 如果文件不合法就会出错
// 输入的文件名已经有了.
try
{
read_csv(fn_csv, images, labels);
}
catch (cv::Exception& e)
{
cerr << "Error opening file \"" << fn_csv << "\". Reason: " << e.msg << endl;
// 文件有问题，我们啥也做不了了，退出了
exit(1);
}
// 如果没有读取到足够图片，也退出.
if (images.size() <= 1) {
string error_message = "This demo needs at least 2 images to work. Please add more images to your data set!";
CV_Error(CV_StsError, error_message);
}
// 下面的几行代码仅仅是从你的数据集中移除最后一张图片
//[gm:自然这里需要根据自己的需要修改，他这里简化了很多问题]
Mat testSample = images[images.size() - 1];
int testLabel = labels[labels.size() - 1];
images.pop_back();
labels.pop_back();
// 下面几行创建了一个特征脸模型用于人脸识别，
// 通过CSV文件读取的图像和标签训练它。
// T这里是一个完整的PCA变换
//如果你只想保留10个主成分，使用如下代码
// cv::createEigenFaceRecognizer(10);
//
// 如果你还希望使用置信度阈值来初始化，使用以下语句：
// cv::createEigenFaceRecognizer(10, 123.0);
//
// 如果你使用所有特征并且使用一个阈值，使用以下语句：
// cv::createEigenFaceRecognizer(0, 123.0);
cout << "train MyFacePCAModel ... pls wait " << endl;
Ptr<BasicFaceRecognizer> model = EigenFaceRecognizer::create();
model->train(images, labels);
model->save("MyFacePCAModel.xml");
cout << "train MyFaceFisherModel ... pls wait " << endl;
Ptr<BasicFaceRecognizer> model1 = FisherFaceRecognizer::create();
model1->train(images, labels);
model1->save("MyFaceFisherModel.xml");
cout << "train MyFaceLBPHModel ... pls wait " << endl;
Ptr<LBPHFaceRecognizer> model2 = LBPHFaceRecognizer::create();
model2->train(images, labels);
model2->save("MyFaceLBPHModel.xml");
// 下面对测试图像进行预测，predictedLabel是预测标签结果
int predictedLabel = model->predict(testSample);
int predictedLabel1 = model1->predict(testSample);
int predictedLabel2 = model2->predict(testSample);
// 还有一种调用方式，可以获取结果同时得到阈值:
// int predictedLabel = -1;
// double confidence = 0.0;
// model->predict(testSample, predictedLabel, confidence);
string result_message = format("Predicted class = %d / Actual class = %d.", predictedLabel, testLabel);
string result_message1 = format("Predicted class = %d / Actual class = %d.", predictedLabel1, testLabel);
string result_message2 = format("Predicted class = %d / Actual class = %d.", predictedLabel2, testLabel);
cout << result_message << endl;
cout << result_message1 << endl;
cout << result_message2 << endl;
//getchar();
//waitKey(0);
return 0;
}
String get_face_name(int index)
{
string ret_string = "undef";
string filename = "face_name.txt";
std::ifstream file(filename.c_str(), ifstream::in);
if (!file) {
string error_message = "No valid input file was given, please check the given filename.";
CV_Error(CV_StsBadArg, error_message);
}
string line, face_index, face_name;
while (getline(file, line)) {
stringstream liness(line);
getline(liness, face_index, ';');
getline(liness, face_name);
if (atoi(face_index.c_str()) == index)
{
return face_name;
}
}
return ret_string;
}
void get_input_name(int index)
{
char name[512];
cout << "Enter user name:\n";
cin >> name;
ofstream write("face_name.txt", ios::app);//打开record.txt文件，以ios::app追加的方式输入
write << index << ";" << name << endl;
write.close();//关闭文件
}
瓜分20万奖金 获得内推名额 丰厚实物奖励 易参与易上手
更多推荐
3
0- 0
已为社区贡献5条内容
所有评论(0)