OpenCV之人脸识别（训练模型-->保存模型--->使用模型）

一、概述

　　案例：使用OpenCV训练模型并将自己识别出来。其中包含了训练模型、保存模型、使用模型

　　训练模型步骤：

　　　　1.加载采集好的数据文件，并将图片和图片对一个的标签存入vector

　　　　2.准备一个测试数据，ps：从采集的文件中取

　　　　3.实例化特征脸人脸识别模型EigenFaceRecognizer model

　　　　4.训练模型model->trans

　　保存模型及加载模型：

　　　　1.保存模型：model->save(模型路径)

　　　　2.加载模型：Ptr<BasicFaceRecognizer> model =Algorithm::load<EigenFaceRecognizer>("模型路径");

　　使用训练好的模型进行人脸识别步骤：

　　　　1.实例化并加载训练好的人脸数据模型

　　　　2.使用级联分类器加载人脸模型

　　　　3.实例化VideoCapture加载视频文件（或打开摄像头）

　　　　4.while循环读取frame

　　　　　　4.1在frame中找到人脸roi区域

　　　　　　4.2.对roi区域灰度化

　　　　　　4.3.对roi区域执行model->predict(roi)进行预测

　　　　　　4.4.如果预测结果为101（我自己人脸的标签值），则说明把我自己识别出来了。

　　　　　　4.5循环4步骤，直到视频播放结束（或关闭摄像头）

二、代码示例

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96

Face_Recognizer_My_Face::Face_Recognizer_My_Face(QWidget *parent)     : MyGraphicsView{parent} {     this->setWindowTitle("人脸识别小案例");     QPushButton *btn = new QPushButton(this);     btn->setText("选择视频文件");     connect(btn,&QPushButton::clicked,[=](){         chooseVideoFile();     }); }     void Face_Recognizer_My_Face::chooseVideoFile(){     QString filePath = QFileDialog::getOpenFileName(this,"选择视频文件","/Users/yangwei/Downloads/","数据文件(*.mp4)");     qDebug()<<filePath;     recognizerMyFace(filePath.toStdString().c_str()); }   void Face_Recognizer_My_Face::recognizerMyFace(const char * filePath){     //准备训练数据     string transFileName = "/Users/yangwei/Documents/tony/opencv/myfaces/targetData.txt";     ifstream file(transFileName,ifstream::in);     if(!file){         qDebug()<<"准备训练数据";         return;     }     string line ,path,classLabel;     vector<Mat> images;     vector<int> labels;     while(getline(file,line)){         stringstream liness(line);         getline(liness,path,' ');         getline(liness,classLabel);         images.push_back(imread(path, 0));         labels.push_back(atoi(classLabel.c_str()));     }     if(images.size()<1||labels.size()<1){         qDebug()<<"准备的训练数据不对";         return;     }       int width = images[0].cols;     int height = images[0].rows;     cout << "width:"<<width<<",height:"<<height<<endl;     //测试数据     Mat testMat = images[images.size()-1];     int testLabel = labels[labels.size()-1];       //使用特征脸进行数据检验 //    Ptr<BasicFaceRecognizer> model = EigenFaceRecognizer::create(); //    //训练 //    model->train(images,labels);   //    model->save("/Users/yangwei/Documents/tony/opencv/myfaces/test.txt");       Ptr<BasicFaceRecognizer> model =Algorithm::load<EigenFaceRecognizer>("/Users/yangwei/Documents/tony/opencv/myfaces/test.txt");         //预测     int predictLabel = model->predict(testMat);     cout <<"测试标签："<<testLabel<<",预测标签："<<predictLabel<<endl;;       //使用级联分类器找到人脸区域     string faceFilePath = "/usr/local/share/opencv4/haarcascades/haarcascade_frontalface_alt_tree.xml";     CascadeClassifier faceDetector;     faceDetector.load(faceFilePath);         VideoCapture capture;     capture.open(filePath);     if(!capture.isOpened()){         qDebug()<<"打开视频文件失败";         return;     }       Mat frame,dst;     vector<Rect> faces;     while(capture.read(frame)){         faceDetector.detectMultiScale(frame,faces,1.1,3,0,Size(100,100),Size(400,400));         for(int i=0;i<faces.size();i++){             Mat roi = frame(faces[i]);             cvtColor(roi,dst,COLOR_BGR2GRAY);             cv::resize(dst,testMat,Size(100,100));             int label = model->predict(testMat);             rectangle(frame,faces[i],Scalar(255,0,0),2,8,0);             putText(frame, format("i'm %s", (label == 110 ? "yw.yang" : "Unknow")), faces[i].tl(), FONT_HERSHEY_PLAIN, 1.0, Scalar(0, 0, 255), 2, 8);         }         imshow("frame",frame);         int key = waitKey(1);         if(key==27){             break;         }       }   }

　　

　　

三、演示图像