opencv 人脸识别 （二）训练和识别

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piccolorx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
 
 在CODE上查看代码片派生到我的代码片
  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
 
 在CODE上查看代码片派生到我的代码片
  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
 
 在CODE上查看代码片派生到我的代码片
  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
 
 在CODE上查看代码片派生到我的代码片
  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

【推广】 免费学中医，健康全家人
原文地址：https://www.cnblogs.com/GarfieldEr007/p/5354736.html