【opencv人脸识别5】通过建立模型(.xml文件)识别出你的脸
通过前面4节的opencv人脸识别的内容，我们已经较完整的实现了人脸识别。本节主要在前4节的基础上，通过构建人脸识别的模型，来进行人脸的预测分类。前4节内容及链接如下：
本节主要在前4节的基础上，通过构建人脸识别的模型，生成.xml文件，然后利用该模型进行人脸的预测分类。
大致流程：
要想从视频中识别你的脸，大致流程如下：
1.打开摄像头-> 获取视频帧-> 转化为对图片的操作 ->图片中检测人脸 ->截取检测到的人脸
2.建立人脸数据库-> 训练人脸识别模型
3.将截取的人脸与数据库进行对比 -> 利用模型进行预测-> 识别出人脸
所用人脸样本：本实验所采用的实验数据来自ORL人脸库，人脸图为灰度图，共40个人，每人10张，每张图片大小为92*112。并且在库中添加了自己的人脸样本，便于后续识别。
程序实现：
//face_recog_from_video.cpp 定义控制台应用程序的入口点。
#include "stdafx.h"
#include "opencv2/opencv.hpp"
#include "opencv2/face.hpp"
#include <stdio.h>
#include<iostream>
using namespace std;
using namespace cv;
using namespace cv::face;
/** Function Headers */
void detectAndDisplay(Mat frame);
static void read_csv(const string& filename, vector<Mat>& images, vector<int>& labels, int max, int min, char separator);
/** Global variables */
String face_cascade_name = "./xml/haarcascade_frontalface_alt2.xml";
CascadeClassifier face_cascade;
Ptr<EigenFaceRecognizer> modelPCA = EigenFaceRecognizer::create();// 创建特征脸模型 EigenFaceRecognizer
String window_name = "Capture - Face Recognition";
/** @function main */
int main(int argc, const char** argv)
{
string csvFile = ".\\data\\at.txt";
vector<Mat> images;
vector<int> labels;
int CountMax = 9, CountMin = 0;
// 读取csv文件
try
{
read_csv(csvFile, images, labels, CountMax, CountMin, ';'); //读取csvFile中所有的img和label
}
catch (cv::Exception& e) // 异常检查
{
cerr << "Error opening file\" " << csvFile << "\".reason: " << e.msg << endl;
exit(-1);
}
// 若未读取到足够图片，也退出
if (images.size() <= 1)
{
string errMsg = "THis demo needs at least 2 images to work.please add images!";
CV_Error(CV_StsError, errMsg);
}
cout << "train1.读取ok" << endl;
// 训练模型，并将训练好的人脸模型保存到.xml中
modelPCA->train(images, labels); //训练
modelPCA->save("MyFacePcaModel.xml");
cout << "train2.创建脸模型ok" << endl;
// 视频采集
VideoCapture capture;
Mat frame;
//-- 1. Load the cascades
if (!face_cascade.load(face_cascade_name)) { printf("--(!)Error loading face cascade\n"); return -1; };
//-- 2. Read the video stream
capture.open(0); //打开摄像头
if (!capture.isOpened()) { printf("--(!)Error opening video capture\n"); return -1; }
while (capture.read(frame)) //读取帧
{
if (frame.empty())
{
printf(" --(!) No captured frame -- Break!");
break;
}
//-- 3. Apply the classifier to the frame
detectAndDisplay(frame);
if (waitKey(10) == 'k') { break; } // escape
}
return 0;
}
/** @function detectAndDisplay */
void detectAndDisplay(Mat frame)
{
std::vector<Rect> faces;
Mat frame_gray;
cvtColor(frame, frame_gray, COLOR_BGR2GRAY); //BGR 转化为灰度图
equalizeHist(frame_gray, frame_gray); //直方图均衡化
//-- Detect faces
face_cascade.detectMultiScale(frame_gray, faces, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(60, 60));
for (size_t i = 0; i < faces.size(); i++)
{
Point center(faces[i].x + faces[i].width / 2, faces[i].y + faces[i].height / 2); // 人脸中心坐标
ellipse(frame, center, Size(faces[i].width / 2, faces[i].height / 2), 0, 0, 360, Scalar(255, 0, 255), 4, 8, 0); // 椭圆
Mat faceROI = frame_gray(faces[i]);
Mat face_test;
resize(faceROI, face_test, Size(92, 112)); // 调整大小为92*112
double confidence;
int predictPCA;
//modelPCA->load("MyFacePcaModel.xml");//加载模型
modelPCA->predict(face_test, predictPCA, confidence);
cout << "the predict result is " << predictPCA << endl << "confidence is " << confidence << endl;
if (predictPCA == 40)
{
putText(frame, "Hello lisa", Point(faces[i].x, faces[i].y), FONT_HERSHEY_SIMPLEX, 1.5, Scalar(0, 0, 255), 2);
}
}
//-- Show what you got
imshow(window_name, frame);
}
static void read_csv(const string& filename, vector<Mat>& images, vector<int>& labels, int max, int min, char separator)
{
std::ifstream file(filename.c_str(), ifstream::in); // 以in模式（读取文件模式）打开文件 ,实际是将filename文件关联给 流file
if (!file)
{
string error_message = "No valid input file was given,please check the given filename";
CV_Error(CV_StsBadArg, error_message);
}
int ii = 0;
/**********************读取文件.txt内容****************************/
string line, path, label;
// [1]读取file文件中的一行字符串给 line
while (getline(file, line, '\n')) // 控制：直到读到file文件末尾（eof标识），才跳出while
{
// [2]将line整行字符串读取到lines(流)中
stringstream lines(line); //区别->lines是流，读取字符时，指针会随流而动；而line是string，固定的，下文中的读取每次都是从line头开始
// [3]读取文件中的路径和标签
getline(lines, path, separator); //此时光标已走到path之后的位置（即；分号处）
getline(lines, label);
// [4]将图片和标签加入imgs 和 labels
if ((path.empty() == 0) && (label.empty() == 0))
{
if (ii % 10 <= max && ii % 10 >= min) //默认每个类别共10张照片
{
Mat img = imread(path, 0); //第二个参数为0 !!!
//Mat img = imread(ImageFileAddress, CV_LOAD_IMAGE_GRAYSCALE)，CV_LOAD_IMAGE_GRAYSCALE值为 0，指灰图（原本为“CV_LOAD_IMAGE_UNCHANGED”）
if (img.data != 0)
{
images.push_back(img); // 将图片 添加到images中
labels.push_back(atoi(label.c_str()));
}
}
if (ii<9) ii++;
else ii = 0;
}
}
}
运行结果：
OK! 现在此系统已经能从40多个人中认出小主啦！【opencv人脸识别1-5】系列，也暂告结束。
------------------------------------------- END -------------------------------------