QT连接OpenCV库完成人脸识别

最新推荐文章于 2024-04-29 21:40:16 发布

小徐今天认真学习了嘛

最新推荐文章于 2024-04-29 21:40:16 发布

阅读量1.8k

点赞数

文章标签： qt opencv 开发语言

本文链接：https://blog.csdn.net/m0_68542867/article/details/132700043

版权

1.相关的配置

1> 该项目所用环境：qt-opensource-windows-x86-mingw491_opengl-5.4.0

2> 配置opencv库路径：

1、在D盘下创建一个opencv的文件夹，用于存放所需材料

2、在opencv的文件夹下创建一个名为：opencv3.4-qt-intall 文件夹

3、将资料中的opencv_library的install文件，复制到opencv3.4-qt-intall 文件夹中

4、将路径：D:\opencv\opencv3.4-qt-intall\install\x86\mingw\bin 放入电脑的系统路径中

3> 测试是否配置好

创建一个新的qt工程，将对应配置文件和头文件放入后，不报错就说明配置成功

2.关于图像处理的相关类和函数

1> Mat类，图像容器

2> 读取图像

Mat imread( const String& filename, int flags = IMREAD_COLOR );
//功能：读取出图像
//参数：图像路径
//返回值：读取的图像

3> 命名展示图像的窗口

void namedWindow(const String& winname, int flags = WINDOW_AUTOSIZE);
功能：命名一个图像窗口
参数1：窗口名称
参数2：窗体尺寸，默认为自适应大小
返回值：无

4> 展示图像

void imshow(const String& winname, const ogl::Texture2D& tex);
//功能：展示图像
//参数1：要展示图像的窗口名称
//参数2：要展示的二维图像
//返回值：无

#include "widget.h"
#include <QApplication>

int main(int argc, char *argv[])
{
    QApplication a(argc, argv);
    Widget w;
    w.show();

    //1、定义一个图像容器
    Mat src;

    //2、将图像加载进来
    //函数原型：Mat imread( const String& filename, int flags = IMREAD_COLOR );
    //参数：图像的路径
    //返回值：图像容器
    src = imread("D:/opencv/resource/age.jpg");

    //4、命名一个展示图像的窗口
    //namedWindow("Test");

    //5、展示图像
    //函数原型：void imshow(const String& winname, const ogl::Texture2D& tex);
    //参数1：要展示图像的窗口名称
    //参数2：要展示的图像
    //返回值：无
    imshow("Test", src);

    return a.exec();
}

3.视频流相关类和函数

1> 视频流类：VideoCapture

2> 打开视频：

 virtual bool open(const String& filename);
 //参数：要打开视频的路径
 //返回值：成功返回true失败返回false

3> 打开摄像头只需在构造时，调用构造函数参数传递0即可

4> 读取视频流中图像

virtual bool read(OutputArray image);
功能：读取视频流中的图像
参数：图像容器
返回值：成功读取返回true，失败或者视频结束返回false

5> 图像翻转

void flip(InputArray src, OutputArray dst, int flipCode);
//将图像进行旋转
//参数1：要处理的图像
//参数2：处理后的图像容器
//参数3：处理规则：0：表示沿x翻转，1表示沿y轴翻转，-1表示沿xy轴翻转

6> 休眠阻塞函数

int waitKey(int delay = 0);
功能：阻塞等待用户输入数据，如果delay=0，则一直等待
参数：毫秒数
返回值：在等待过程中用户按下键的值

#include "widget.h"
#include <QApplication>

int main(int argc, char *argv[])
{
    QApplication a(argc, argv);
    Widget w;
    w.show();

    //1、定义视频流对象
    VideoCapture v(0);             //表明使用摄像头构造一个视频流对象

    //2、读取摄像头中的图像
    Mat src;                   //用于存放读取出来的图像

    //函数原型：virtual bool read(OutputArray image);
    //功能：从视频流中读取一张图像放入参数中
    //参数：图像容器
    //返回值：成功返回真，失败或者读取视频结束返回假
    while(v.read(src))
    {
        //将图像进行翻转
        //函数原型：void flip(InputArray src, OutputArray dst, int flipCode);
        //参数1：要翻转的图像
        //参数2：翻转后的图像容器
        //参数3：翻转规则：正数表示按y轴翻转，0表示按x轴翻转，负数表示按xy轴翻转
        flip(src, src, 1);

        //展示图像
        imshow("Test1", src);

        //加延时函数
        //函数原型：int waitKey(int delay = 0);
        //参数：等待时间
        //返回值：在等待期间用户按下的键盘的ascii值    ESC键对应的值为27
        if(waitKey(20)==27)
        {
            break;
        }
    }

    return a.exec();
}

4.图像处理

1> 灰度处理

void cvtColor( InputArray src, OutputArray dst, int code, int dstCn = 0 );
功能：转换图像色彩空间
//参数1：要转换的图像
//参数2：转变后图像容器
//参数3：转换规则：BGR to gray
返回值：无

2> 均衡化处理

void equalizeHist( InputArray src, OutputArray dst ); 
参数1：输入的灰度图像，必须是8-bit的单通道图像  
参数2：输出的图像 
图像直方图：对整个图像在灰度范围内的像素值（0-255）统计出现的频率，据此生成直方图，直 方图反应了图像的灰度分布情况。

#include "widget.h"
#include <QApplication>

int main(int argc, char *argv[])
{
    QApplication a(argc, argv);
    Widget w;
    w.show();

    //1、定义视频流对象
    VideoCapture v(0);             //表明使用摄像头构造一个视频流对象

    //2、读取摄像头中的图像
    Mat src;                   //用于存放读取出来的图像
    Mat gray;                   //用于存储灰度图的图像容器
    Mat dst;                     //用于存储均衡化处理后的图像容器

    //函数原型：virtual bool read(OutputArray image);
    //功能：从视频流中读取一张图像放入参数中
    //参数：图像容器
    //返回值：成功返回真，失败或者读取视频结束返回假
    while(v.read(src))
    {
        //将图像进行翻转
        //函数原型：void flip(InputArray src, OutputArray dst, int flipCode);
        //参数1：要翻转的图像
        //参数2：翻转后的图像容器
        //参数3：翻转规则：正数表示按y轴翻转，0表示按x轴翻转，负数表示按xy轴翻转
        flip(src, src, 1);

        //3、将图像灰度处理
        //函数原型：void cvtColor( InputArray src, OutputArray dst, int code, int dstCn = 0 );
        //参数1：要转换的图像
        //参数2：转换后的图像容器
        //参数3：转换规则  CV_BGR2GRAY表示将bgr彩色图转换为gray灰度图
        //返回值：无
        cvtColor(src, gray, CV_BGR2GRAY);

        //4、对图像进行均衡化处理
        //函数原型：void equalizeHist( InputArray src, OutputArray dst );
        //参数1：要进行均衡化处理的图像，必须是单通道灰度图
        //参数2：均衡化处理后的图像容器
        //返回值：无
        equalizeHist(gray, dst);

        //展示彩色图像
        imshow("Test1", src);

        //展示灰度图像
        imshow("Test2", gray);

        //展示均衡化处理后的图像
        imshow("Test3", dst);

        //加延时函数
        //函数原型：int waitKey(int delay = 0);
        //参数：等待时间
        //返回值：在等待期间用户按下的键盘的ascii值    ESC键对应的值为27
        if(waitKey(20)==27)
        {
            break;
        }
    }

    return a.exec();
}

5.级联分类器

1> opencv级联分类器工具类 : CascadeClassifier //struct Student

2> 加载级联分类器配置文件 : bool load( const String& filename )

参数1：分类器数据文件的名字

返回值：成功true，失败false

3> 找到人脸所在位置的矩形区域

void detectMultiScale(
const Mat& image, 
CV_OUT vector& objects,    //int arr[4]; 
double scaleFactor = 1.1,
int minNeighbors = 3, 
int flags = 0, 
Size ize = Size(24,24))
参数1:待检测灰度图像(数据少处理起来简单) 
参数2:被检测物体的矩形框向量( 人脸Rect矩形区域，其中objects.size()是人脸个数 ) 
参数3:前后两次相继的扫描中搜索窗口的比例系数，默认为1.1 即每次搜索窗口扩大10% 
参数4:构成检测目标的相邻矩形的最小个数 如果组成检测目标的小矩形的个数和小于 minneighbors - 1 都会被除 
参数5:若设置为CV_HAAR_DO_CANNY_PRUNING 函数将会使用Canny边缘检测来排除边缘过多 或过少的区域,，一般采用默认值0 
参数6:用来限制得到的目标区域的范围，一般检测人脸使用Size(24, 24)

4> 人脸部分的矩形区域显示出来

void rectangle(CV_IN_OUT Mat& img, Rect rec,
                          const Scalar& color, int thickness = 1,
                          int lineType = LINE_8, int shift = 0);
img：图像。 
rec：表征矩形的位置和长宽。 
color：线条颜色 (RGB) 。 
thickness：组成矩形的线条的粗细程度。 
line_type：线条的类型。 
shift：坐标点的小数点位数,0表示没有小数点。

#include "widget.h"
#include <QApplication>

int main(int argc, char *argv[])
{
    QApplication a(argc, argv);
    Widget w;
    w.show();

    //1、定义视频流对象
    VideoCapture v(0);             //表明使用摄像头构造一个视频流对象

    //2、读取摄像头中的图像
    Mat src;                   //用于存放读取出来的图像
    Mat gray;                   //用于存储灰度图的图像容器
    Mat dst;                     //用于存储均衡化处理后的图像容器

    //5、实例化一个级联分类器的对象，用于找到图像中的人脸矩形区域
    CascadeClassifier c;
    //给类对象装载人脸识别模型
    //函数原型：bool load( const String& filename );
    //功能：给级联分类器对象，下载一个识别模型
    //参数：人脸识别模型的文件路径
    //返回值：成功下载返回真，失败返回假
    if(!c.load("D:/opencv/resource/haarcascade_frontalface_alt2.xml"))
    {
        QMessageBox::information(NULL,"失败", "人脸识别模型装载失败");
        return -1;
    }

    //定义容器存放人脸分类后的矩形框
    vector<Rect> faces;

    //函数原型：virtual bool read(OutputArray image);
    //功能：从视频流中读取一张图像放入参数中
    //参数：图像容器
    //返回值：成功返回真，失败或者读取视频结束返回假
    while(v.read(src))
    {
        //将图像进行翻转
        //函数原型：void flip(InputArray src, OutputArray dst, int flipCode);
        //参数1：要翻转的图像
        //参数2：翻转后的图像容器
        //参数3：翻转规则：正数表示按y轴翻转，0表示按x轴翻转，负数表示按xy轴翻转
        flip(src, src, 1);

        //3、将图像灰度处理
        //函数原型：void cvtColor( InputArray src, OutputArray dst, int code, int dstCn = 0 );
        //参数1：要转换的图像
        //参数2：转换后的图像容器
        //参数3：转换规则  CV_BGR2GRAY表示将bgr彩色图转换为gray灰度图
        //返回值：无
        cvtColor(src, gray, CV_BGR2GRAY);

        //4、对图像进行均衡化处理
        //函数原型：void equalizeHist( InputArray src, OutputArray dst );
        //参数1：要进行均衡化处理的图像，必须是单通道灰度图
        //参数2：均衡化处理后的图像容器
        //返回值：无
        equalizeHist(gray, dst);

        //6、使用级联分类器对象，获取人脸矩形区域
        //函数原型：void detectMultiScale( InputArray image,CV_OUT std::vector<Rect>& objects）
        //参数1：要进行识别的图像
        //参数2：对该图像识别后，的矩形框存放的数组容器
        c.detectMultiScale(dst, faces);

        //7、将上述得到的矩形框，全部都绘制到图像上
        for(int i=0; i<faces.size(); i++)
        {
            //将任意一个矩形框，全部都绘制到图像上
            //函数原型：void rectangle(CV_IN_OUT Mat& img, Rect rec,const Scalar& color, int thickness = 1）
            //参数1：要被绘制的图像
            //参数2：要绘制的矩形框
            //参数3：矩形框的颜色
            //参数4：矩形框的粗细
            //返回值：无
            rectangle(src, faces[i], Scalar(0,0,255), 2);
        }

        //8、像素反差
        for(int i=0; i<src.rows; i++)        //外层循环控制行数
        {
            for(int j=0; j<src.cols; j++)        //内层循环控制列数
            {
                //找到任意一个像素:src.at<Vec3b>(i,j)
                //找到任意一个像素中的通道中的值src.at<Vec3b>(i,j)[k]
                for(int k=0; k<3; k++)
                {
                    src.at<Vec3b>(i,j)[k] = 255 - src.at<Vec3b>(i,j)[k];  //对像素进行反差
                }

            }
        }

        //展示彩色图像
        imshow("Test1", src);

        //展示灰度图像
        imshow("Test2", gray);

        //展示均衡化处理后的图像
        imshow("Test3", dst);

        //加延时函数
        //函数原型：int waitKey(int delay = 0);
        //参数：等待时间
        //返回值：在等待期间用户按下的键盘的ascii值    ESC键对应的值为27
        if(waitKey(20)==27)
        {
            break;
        }
    }

    return a.exec();
}

6. 介绍

机器学习的作用：根据提供的图片模型通过算法生成数据模型，从而在其它图片中查找相关的目标。

级联分类器：是用来人脸识别。在判断之前，我们要先进行学习，生成人脸的模型以便后续识别使用。

人脸识别器：判断是谁的面部。 FaceRecognizer类是opencv提供的人脸识别器基类，LBPHFaceRecognizer是根据LBPH算法实现的识别器类，其中LBPHFaceRecognizer识别器支持在原有模型基础上继续学习（模型数据可以累计）。

7.创建LBPHFaceRecognizer识别器对象

 所需的头文件：#include 、using namespace cv::face;
 创建空的人脸识别器对象：Ptr<FaceRecognizer> recognizer =
 LBPHFaceRecognizer::create();
 
 根据已有的模型创建人脸识别器对象，在创建人脸识别器的时候，需要一个已经学习好的模型文件：
 Ptr<FaceRecognizer> recognizer = FaceRecognizer::load<LBPHFaceRecognizer>("模型文
 件.xml");

8.机器学习并更新模型

 容器：容器中装了n张人脸Mat对象，先采集脸，装到容器中，存储标签，人的身份证，每一张脸
 给一个编号：1 张三脸 2 李四脸 3 王五脸。
 功能函数1：void update(InputArrayOfArray src,InputArray labels)//机器学习并更新模型
 功能函数2：void train(InputArrayOfArrays src,InputArray labels);//只是学习，不更新
 //参数1src：图片模型数组 vector<Mat>
 //参数2labels：标签数组，每个模型识别后的标签vector<int>

9.保存模型

功能函数：void save(const String& filename);//参数1：模型文件的名字
例如：
recognizer->update(study_faces,study_label);//学习
recognizer->save("face.xml");//将学习的成果，保存到face.xml模型文件中，生成模型：
study_faces.clear();、study_labels.clear();

10.预测目标

判断这个人脸到底是谁。
功能函数：
void predict(InputArray src,  int &label,  double &confidence)
//参数1：预测图形 Mat src
//参数2：:预测后的标签，学习时对应的标签
//参数3：预测出结果的可信度，数值越小可信度越高
例如：
int label = -1;//预测后的标签，学习时对应的标签
double confidence = 0;//可信度
Mat face = frame(faces[0]);//人脸区域
cvtColor(face,face,CV_BGR2GRAY);//更改色彩空间
cv::resize(face,face,Size(90,90));//设置人脸的大小
recognizer->predict(face,label,confidence); //预测，相当于识别人脸，预测出人脸是谁的
面部，label的值就那张脸对应的标签，如果预测不到，label的值是-1。

11.设置可信度

功能函数：void setThreshold(double val);
//参数1：预测可信度极值，预测可信度超出极值则预测失败。

12.完整项目代码

.pro文件：

#-------------------------------------------------
#
# Project created by QtCreator 2023-09-04T19:10:16
#
#-------------------------------------------------

QT       += core gui

greaterThan(QT_MAJOR_VERSION, 4): QT += widgets

TARGET = 01_demo
TEMPLATE = app


SOURCES += main.cpp\
        widget.cpp

HEADERS  += widget.h

FORMS    += widget.ui

INCLUDEPATH += C:/opencv/opencv3.4-qt-install/install/include
INCLUDEPATH += C:/opencv/opencv3.4-qt-install/install/include/opencv
INCLUDEPATH += C:/opencv/opencv3.4-qt-install/install/include/opencv2
LIBS += C:/opencv/opencv3.4-qt-install/install/x86/mingw/lib/libopencv_*.a

头文件：

#ifndef WIDGET_H
#define WIDGET_H

#include <QWidget>
#include <QWidget>
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
#include <opencv2/face.hpp>
#include <vector>
#include <map>
#include <QMessageBox>
#include <QDebug>
#include <QFile>
#include <QTextStream>
#include <QDateTime>
#include <QTimerEvent>
#include <QtSerialPort/QtSerialPort>
#include <QtSerialPort/QSerialPortInfo>
using namespace  cv;
using namespace cv::face;
using namespace std;

namespace Ui {
class Widget;
}

class Widget : public QWidget
{
    Q_OBJECT

public:
    explicit Widget(QWidget *parent = 0);
    ~Widget();

private slots:
    void on_openCameraBtn_clicked();

    void on_closeCameraBtn_clicked();

    void on_inputFaceBtn_clicked();

private:
    Ui::Widget *ui;
    /***************************第一模块：关于摄像头的相关组件*****************************/
    VideoCapture v;            //视频流对象

    Mat src;                   //原图像
    Mat rgb;                   //存放rgb图像，因为qt能识别的图像色彩空间为rgb
    Mat gray;                  //灰度图
    Mat dst;                   //均衡化图像

    CascadeClassifier c;       //级联分类器
    vector<Rect> faces;        //存储人脸举行的容器
    int cameraId;              //摄像头的定时器
    void timerEvent(QTimerEvent *event);   //定时器事件处理函数
    /***************************第二模块：录入人脸的相关组件*****************************/
    Ptr<FaceRecognizer> recognizer;           //人脸识别器
    vector<Mat> study_face;                   //要录入的人脸容器
    vector<int> study_lab;                    //要录入的人脸的标签
    int studyId;                              //人脸录入的定时器
    int flag;                                 //表示是否正在录入人脸
    int count;                                //记录学习的次数
    /***************************第三模块：人脸检测的相关组件*****************************/
    int checkId;                   //人脸检测的定时器
};

#endif // WIDGET_H

源文件：

#include "widget.h"
#include "ui_widget.h"

Widget::Widget(QWidget *parent) :
    QWidget(parent),
    ui(new Ui::Widget)
{
    ui->setupUi(this);

    //将登录按钮设置成不可用
    ui->loginBtn->setEnabled(false);
    //启动摄像头
    if(!v.open(0))
    {
        QMessageBox::information(this,"错误","打开摄像头失败");
        return;
    }

    //将级联分类器加载进来
    if(!c.load("C:/opencv/resource/haarcascade_frontalface_alt.xml"))
    {
        QMessageBox::information(this,"失败","人脸识别模型装载失败");
        return;
    }

    //配置人脸识别器
    QFile file("C:/opencv/resource/myFace.xml");
    //判断文件是否存在，如果存在，则直接下载，如果不存在，则创建一个人脸识别器
    if(file.exists())
    {
        //人脸模型存在，直接下载即可
        recognizer = FaceRecognizer::load<LBPHFaceRecognizer>("C:/opencv/resource/myFace.xml");
    }
    else
    {
        //人脸模型不存在，则需要创建
        recognizer = LBPHFaceRecognizer::create();
    }

    //启动人脸检测到的定时器
    checkId = this->startTimer(3000);

    //设置人脸识别的可信度
    recognizer->setThreshold(100);
    flag = 0;          //表明开始时就处于检测
}

Widget::~Widget()
{
    delete ui;
}

//打开摄像头按钮对应的槽函数
void Widget::on_openCameraBtn_clicked()
{
    //启动定时器
    cameraId = this->startTimer(20);
    ui->cameraLab->show();
}

//关闭摄像头按钮对应的槽函数
void Widget::on_closeCameraBtn_clicked()
{
    //关闭定时器
    this->killTimer(cameraId);
    ui->cameraLab->hide();
}

//定时器事件处理函数
void Widget::timerEvent(QTimerEvent *event)
{
    //判断是哪个定时器到位
    if(event->timerId() == cameraId)
    {
        //1.从摄像头中读取一张图像
        v.read(src);      //得到原图

        //2.将图像翻转
        flip(src,src,1);

        //3.将src的bgr图像转换为rgb图像
        cvtColor(src,rgb,CV_BGR2RGB);

        //4.重新设置大小
        cv::resize(rgb,rgb,Size(300,300));

        //5.灰度处理
        cvtColor(rgb,gray,CV_RGB2GRAY);

        //6.均衡化处理
        equalizeHist(gray,dst);

        //7.使用级联分类器获取人脸矩形区域
        c.detectMultiScale(dst,faces);

        //8.将矩形框绘制到rgb图像上
        for(int i=0; i<faces.size(); i++)
        {
            rectangle(rgb,faces[i],Scalar(255,0,0),2);
        }

        //9.使用rgb图像，将Mat图，构造出一个qt能识别的图像
        QImage img(rgb.data,rgb.cols,rgb.rows,rgb.cols*rgb.channels(),QImage::Format_RGB888);
        //功能：通过其他图像构造出一个QImage图像
        //参数1：其他图像的数据
        //参数2：图像的宽度
        //参数3：图像的高度
        //参数4：每一行的字节数
        //参数5：图像格式，24位图，每一种颜色使用8位表示

        //10.将图像展示到lab中
        ui->cameraLab->setPixmap(QPixmap::fromImage(img));


    }

    //判断是否是人脸录入定时器到位
    if(event->timerId() == studyId)
    {
        //判断ui界面是否有矩形框
        if(faces.empty())return;

        //判断人脸识别器是否存在
        if(recognizer.empty())return;

        //提示正在录入人脸
        qDebug() << "正在录入人脸...";

        //获取ui界面中矩形框框起来的人脸区域
        Mat face = src(faces[0]);

        //将该图像进行重新设置大小
        cv::resize(face,face,Size(100,100));

        //灰度处理
        cvtColor(face,face,CV_BGR2GRAY);

        //均衡化处理
        equalizeHist(face,face);

        //将人脸放入学习容器中
        study_face.push_back(face);
        study_lab.push_back(1);
        count++;                     //表明完成一次人脸的存放
        if(count == 50)              //已经收集50张人脸进行学习
        {
            count = 0;               //以便于下一次录入

            //更新人脸模型
            //函数原型：CV_WRAP virtual void update(InputArrayOfArrays src, InputArray labels);
            //参数1：要进行更新的人脸数组
            //参数2：要更新的人脸标签数组
            //返回值：无
            recognizer->update(study_face,study_lab);

            //将数据模型保存到本地磁盘中
            recognizer->save("C:/opencv/resource/myFace.xml");

            //殿后工作
            study_face.clear();       //清空人脸数组
            study_lab.clear();        //清空标签数组
            flag = 0;                 //表明录入已经结束，可以进行人脸检测了
            ui->inputFaceBtn->setEnabled(true);    //按钮设置成可用状态
            this->killTimer(studyId);              //关闭人脸录入的定时器
            QMessageBox::information(this,"成功","人脸录入成功");
        }
    }

    //判断是否是人脸检测的定时器到位
    if(event->timerId() == checkId)
    {
        qDebug() << "正在检测...";

        //判断是否处于检测
        if(flag == 0)
        {
            QFile file("C:/opencv/resource/myFace.xml");
            if(file.exists())              //表明人脸模型存在的基础上进行识别
            {
                if(faces.empty() || recognizer.empty()) return;              //ui界面无矩形框或者没有人脸识别器

                //到此表明可以进行检测
                Mat face = src(faces[0]);

                //重新设置大小，保持跟保存人脸时一致
                cv::resize(face,face,Size(100,100));

                //灰度处理
                cvtColor(face,face,CV_BGR2GRAY);

                //均衡化处理
                equalizeHist(face,face);

                //定义记录检测后返回的结果的变量
                int lab = -1;                //返回的图像的标签
                double conf = 0.0;           //返回图像的可信度

                //将该人脸进行预测
                recognizer->predict(face,lab,conf);
                qDebug() << "lab = " << lab << "  conf = " << conf;

                //对人脸识别后的结果进行判断
                if(lab != -1)
                {
                    ui->loginBtn->setEnabled(true);
                }
            }
        }
    }

}

//录入人脸按钮对应的槽函数
void Widget::on_inputFaceBtn_clicked()
{
    //启动人脸录入的定时器
    qDebug() << "开始进行人脸录入...";

    studyId = this->startTimer(60);

    //将按钮设置成不可用状态
    ui->inputFaceBtn->setEnabled(false);
    //将flag设置成1，表示正在录入人脸，不要进行人脸检测了
    flag = 1;

    count = 0;       //清空计数器

}

小徐今天认真学习了嘛

关注

0
点赞
踩
17

收藏

觉得还不错? 一键收藏
1
评论
QT连接OpenCV库完成人脸识别

根据提供的图片模型通过算法生成数据模型，从而在其它图片中查找相关的目标。是用来人脸识别。在判断之前，我们要先进行学习，生成人脸的模型以便后续识别使用。判断是谁的面部。FaceRecognizer类是opencv提供的人脸识别器基类，LBPHFaceRecognizer是根据LBPH算法实现的识别器类，其中LBPHFaceRecognizer识别器支持在原有模型基础上继续学习（模型数据可以累计）。
复制链接

扫一扫