java利用openCV进行人脸识别，采集照片和训练模型（二）

填坑来了，继续上次的java使用openCV，本篇讲下训练模型

首先，训练模型的目的在于完成人脸对比，之前我们已经可以框出人脸了，那么现在要做的就是把框框里边人脸的图片采集并且保存下来，然后通过FaceRecognizer类中的train()方法去训练人脸模型文件，会输出一个Yml文件。这里边是Java封装类直接调用到openCV底层c++的函数

运行CollectData采集人脸的图片到本地，训练模型需要多一点样本，这里采样50张

CollectData.java

import java.io.IOException;
import java.util.Scanner;
import java.util.concurrent.atomic.AtomicBoolean;

import face.util.VideoPanel;
import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.MatOfRect;
import org.opencv.core.Rect;
import org.opencv.core.Scalar;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
import org.opencv.objdetect.CascadeClassifier;
import org.opencv.videoio.VideoCapture;

public class CollectData {

  private static int startFrom = 0;

  private static int sample = 0;

//配置保存路径
  public static String path = "F:/face/imagedb";

  public static String id = "";

  static AtomicBoolean start = new AtomicBoolean(false);

  public static long startTime;

  public static void main(String[] args) throws IOException {

    System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
    CascadeClassifier faceCascade = new CascadeClassifier();
    faceCascade.load("F:/face/install/etc/haarcascades/haarcascade_frontalface_alt.xml");
//控制台输入对象名
    System.out.println("Please input person name: ");
    Scanner scanner = new Scanner(System.in);
    id = scanner.next();
    System.out.println("collecting images for : " + id);

    VideoCapture capture = new VideoCapture();
    capture.open(0);
// 新建窗口
    VideoPanel videoPanel = VideoPanel.show("Collect Data", 640, 480);
    Mat img = new Mat();
    try {
      startTime = System.currentTimeMillis();
      while (true) {
        capture.read(img);
        detectAndCollect(img, faceCascade);
        videoPanel.setImageWithMat(img);
      }
    } finally {
      capture.release();
    }

  }

/**
 * 采集人脸并保存到本地的方法
 **/
  public static void detectAndCollect(Mat frame, CascadeClassifier faceCascade) {
    MatOfRect faces = new MatOfRect();
    Mat grayFrame = new Mat();

    Imgproc.cvtColor(frame, grayFrame, Imgproc.COLOR_BGR2GRAY);

    // 采集人脸
    faceCascade.detectMultiScale(grayFrame, faces);

    Rect[] facesArray = faces.toArray();

// 连续采集50张，并保存
    if (facesArray.length >= 1) {
      if ((sample == 0 && System.currentTimeMillis() - startTime > 10000) || (sample > 0
          && sample < 50 && System.currentTimeMillis() - startTime > 300)) {
        startTime = System.currentTimeMillis();
        sample++;
        System.out.println("image: " + sample);
        Imgcodecs.imwrite(path + "/image." + id + "." + (startFrom + sample) + ".jpg",
            frame.submat(facesArray[0]));
      }
    }

    for (int i = 0; i < facesArray.length; i++) {
      Imgproc.rectangle(frame, facesArray[i].tl(), facesArray[i].br(), new Scalar(0, 255, 0), 2);
    }
  }

}

采集好以后就可以训练模型了，启动Train.java来训练模型

Train.java

import java.io.File;
import java.io.IOException;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.MatOfInt;
import org.opencv.face.FaceRecognizer;
import org.opencv.face.LBPHFaceRecognizer;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
import org.opencv.objdetect.CascadeClassifier;

public class Train {

  public static void main(String[] args) throws IOException {
	  train("F:/face/imagedb",
		        "F:/face/model");
  }

/**
 * 训练模型的方法，传入人脸图片所在的文件夹路径，和模型输出的路径
 * 训练结束后模型文件会在模型输出路径里边
 **/
  public static void train(String imageFolder, String saveFolder)
      throws IOException {
    System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
    FaceRecognizer faceRecognizer = LBPHFaceRecognizer.create();
    CascadeClassifier faceCascade = new CascadeClassifier();
// opencv的模型
    faceCascade.load("F:/face/install/etc/haarcascades/haarcascade_frontalface_alt.xml");
// 读取文件于数组中
    File[] files = new File(imageFolder).listFiles();
    Map<String, Integer> nameMapId = new HashMap<String, Integer>(10);
// 图片集合
    List<Mat> images = new ArrayList<Mat>(files.length);
// 名称集合
    List<String> names = new ArrayList<String>(files.length);
    List<Integer> ids = new ArrayList<Integer>(files.length);
    for (int index = 0; index < files.length; index++ ) {
// 解析文件名 获取名称
      File file = files[index];
      String name = file.getName().split("\\.")[1];
      Integer id = nameMapId.get(name);
      if (id == null) {
        id = names.size();
        names.add(name);
        nameMapId.put(name, id);
        faceRecognizer.setLabelInfo(id, name);
      }

      Mat mat = Imgcodecs.imread(file.getCanonicalPath());
      Mat gray = new Mat();
// 图片预处理
      Imgproc.cvtColor(mat, gray, Imgproc.COLOR_BGR2GRAY);
      images.add(gray);
      System.out.println("add total " + images.size());
      ids.add(id);
    }
    int[] idsInt = new int[ids.size()];
    for (int i = 0; i < idsInt.length; i++) {
      idsInt[i] = ids.get(i).intValue();
    }
// 显示标签
    MatOfInt labels = new MatOfInt(idsInt);
// 调用训练方法
    faceRecognizer.train(images, labels);
// 输出持久化模型文件 训练一次后就可以一直调用
    faceRecognizer.save(saveFolder + "/face_model.yml");
  }

}

这个就是训练好的

 

打开的话，差不多是长这样，文件存储了训练后图像的数字化信息，不禁感叹一下openCV还是很强大

 

那今天先唠到这里了，下回有空的话，讲讲人脸对比~

 

相关博客：

java调起本地摄像头，利用openCV进行人脸识别（一）

java利用openCV进行人脸对比（三）