4.3分类器模型训及人脸识别模块

“Model Training”标签下实现的功能是调用OpenCV库函数对之前处理好的灰度图像进行特征值训练，并生成一份XML文本文件，该文本保存着每组经过训练的人脸特征，点击标签后即可在程序存储地点根目录下生成指定XML文件。

void AddPeople::TrainingModel()
{
    //读取你的CSV文件路径.
    //string fn_csv = string(argv[1]);
    std::string fn_csv = "/home/jr/Qt/3/camera/Data/at.txt";

    // 2个容器来存放图像数据和对应的标签
    std::vector<cv::Mat> images;
    std::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)
    {
        std::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
        return;
    }
    // 如果没有读取到足够图片，也退出.
    if (images.size() <= 1) {
        std::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]
    cv::Mat testSample = images[images.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);

    cv::Ptr<cv::FaceRecognizer> model = cv::createEigenFaceRecognizer();
    model->train(images, labels);
    model->save("/home/jr/Qt/3/camera/Data/MyFacePCAModel.xml");



    // 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);
          qDebug()<<confidence;
}

最终的“Face Recognition”功能是在前四个模块均完成后方可执行，执行后可利用“Model Training”生成的XML文件进行人脸识别比对。当进入摄像范围的人员之前未被记录时显示查无此人，

void MainWindow::on_action_FaceRecognition_triggered()
{
    addpeople.file.getManLabel();
    double confidence=0.0;
    cv::VideoCapture cap(0);    //打开默认摄像头
    if (!cap.isOpened())
    {
        QMessageBox::warning(this,tr("错误"),tr("摄像头打开失败"),QMessageBox::Ok);
        return;
    }
    cv::Mat frame;
    cv::Mat gray;

    cv::CascadeClassifier cascade;
    bool stop = false;
    //训练好的文件名称，放置在可执行文件同目录下
    cascade.load("/home/jr/Qt/3/camera/Data/haarcascade_frontalface_alt.xml");

    cv::Ptr<cv::FaceRecognizer> modelPCA = cv::createEigenFaceRecognizer();
    modelPCA->load("/home/jr/Qt/3/camera/Data/MyFacePCAModel.xml");
    int sl=0;
    while (!stop)
    {
        cap >> frame;

        //建立用于存放人脸的向量容器
        std::vector<cv::Rect> faces(0);

        cv::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
        cv::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,
            cv::Size(30, 30));

        cv::Mat face;
        cv::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 = cv::Point(faces[i].x, faces[i].y);
                cv::rectangle(frame, faces[i], cv::Scalar(255, 0, 0), 1, 8, 0);
            }
        }

        cv::Mat face_test;

        int predictPCA = -1;
        if (face.rows >= 120)
        {
            cv::resize(face, face_test, cv::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
            int predictedLabel=-1;
            predictPCA = modelPCA->predict(face_test);
            modelPCA->predict(face_test,predictedLabel,confidence);
            qDebug()<<confidence;   //人脸方框的面积

        }
        cv::waitKey(50);
        if(predictPCA!=-1&&sl>7&&confidence<3200)
        {
            //qDebug()<<predictPCA;
            //std::string name = "Being recognized";
            //cv::putText(frame, name, text_lb, cv::FONT_HERSHEY_COMPLEX, 1, cv::Scalar(0, 0, 255));
            //qDebug()<<"姓名"<<addpeople.file.who[predictPCA];
            QString name="你是-";
            name.append(addpeople.file.who[predictPCA]);
            QMessageBox::information(this,tr("识别成功"),name,QMessageBox::Ok);
            return;
        }
        sl++;

        imshow("face", frame);
        if (cv::waitKey(50) >= 0)
            stop = true;
    }
}