OpenCV4.5 dnn模块+QT5.12.9实现人脸识别Demo

最新推荐文章于 2024-05-10 20:12:32 发布
最新推荐文章于 2024-05-10 20:12:32 发布
阅读量5k 收藏 29
点赞数 2
分类专栏： 学习笔记 文章标签： dnn qt 神经网络 人脸识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq490765184/article/details/122506936
版权

一、实现的效果

1.人脸检测

2.人脸识别

 也可以进行视屏的识别，但不知道怎么生成gif,在此不上图。

二、环境配置

1.下载Qt，openvc

QT:可能需要一个用户Download Qt | Develop Desktop & Embedded Systems | Qticon-default.png?t=LBL2https://www.qt.io/downloadOpenvc:Releases - OpenCVicon-default.png?t=LBL2https://opencv.org/releases/

 

2.配置过程

1.在qt项目上右键->添加库

2.选择 外部库

 3.点击 浏览-->打开opencv库的安装位置，我选择的vc14,因为我QT配置的是利用vc2019的编译器。所以直接用已经编译好的库，如果要用其他的编译方式，可能需要自己编译库。

 3.添加头文件，添加路径到include,不要直接选择opencv2,主要原因是在后面利用一个源码的时候，会比较方便一些。直接包含到opencv2也是可以的，看个人喜欢。

 

三、实现过程

实现过程主要是利用了B站OpenCV4 人脸检测与识别详解_哔哩哔哩_bilibili这条视屏中的源码以及opencv官方的示例（OpenCV: DNN-based face detection and recognition）。对UP主的源码没有进行大的改变，但从其提供的gitee上下载的源码有一个小bug，以下是下载源码(右)与我使用的代码（左）的diff:

1.模型初始化

opencv中基于DNN的人脸识别，是使用两个已经训练好的库来做的，一个人脸检测库，一个是人脸识别库。本文是初级的入门教程，所以不进行原理的解说，也不评价好坏。

// facealgo.h"
#ifndef FACEALGO_H
#define FACEALGO_H

#include "iostream"
#include "opencv2/opencv.hpp"
#include "opencv2/dnn.hpp"
#include <opencv2/core/utils/logger.hpp>
#include <utility>
struct faceInfo {
    std::string name;
    cv::Mat detResult;
};


class FaceAlgo {
public:
    FaceAlgo();
    void initFaceModels(std::string detect_model_path, std::string recog_model_path, std::string face_db_dir);
    void detectFace(cv::Mat &frame, std::vector<std::shared_ptr<faceInfo>> &results, bool showFPS);
    void matchFace(cv::Mat &frame, std::vector<std::shared_ptr<faceInfo>> &results, bool l2=false);
    void registFace(std::string image_path, std::string name);
    void registFace(cv::Mat &cvImage,cv::Mat feature, std::string name);
private:
    std::map<std::string, cv::Mat> face_models;
    cv::Ptr<cv::FaceDetectorYN> faceDetector;
    cv::Ptr<cv::FaceRecognizerSF> faceRecognizer;
};


#endif // FACEALGO_H

 在facealgo.h 中，定义了两个对象：

cv::Ptr<cv::FaceDetectorYN> faceDetector;
cv::Ptr<cv::FaceRecognizerSF> faceRecognizer;
faceDetector是一个opencv已经封装好的人脸识别检测器，faceRecognizer是opencv提供的人脸识别器。两个对象在进行使用前，分别需要利用已经训练好的模型进行初始化。模型下载可以在Github上Face Detection和Face Recognition两个位置，在gitee上也有OpenCV课程资料。模型的初始化函数（facealgo.cpp）定义如下：
//facealgo.cpp
void FaceAlgo::initFaceModels(std::string detect_model_path, std::string recog_model_path, std::string face_db_dir) {

    this->faceDetector = cv::FaceDetectorYN::create(detect_model_path, "", cv::Size(300, 300), 0.9f, 0.3f, 5000);
    this->faceRecognizer = cv::FaceRecognizerSF::create(recog_model_path, "");
    std::vector<std::string> fileNames;
    cv::glob(face_db_dir, fileNames);
    for(std::string file_path : fileNames){
//        cv::Mat image = cv::imread(file_path);
        int pos = static_cast<int>(file_path.find("\\"));
        std::string image_name = file_path.substr(pos+1, file_path.length() - pos - 5);
        this->registFace(file_path, image_name);
        std::cout<<"file name : " << image_name<< ".jpg"<<std::endl;
    }
}

在我Demo的使用如下：

    QString fd_modelPath = "H:/temp/FaceReco/models/yunet.onnx";
    QString fr_modelPath = "H:/temp/FaceReco/models/face_recognizer_fast.onnx";
    QString face_db = "H:/temp/FaceReco/face_db/";
    //
    //判断模型模块是否存在
    if(QFileInfo(fd_modelPath).exists() || QFileInfo(fr_modelPath).exists())
    {
        faceAlgo->initFaceModels(fd_modelPath.toStdString(),fr_modelPath.toStdString(),face_db.toStdString());
    }
    else
    {
        QMessageBox warningBox(QMessageBox::Warning,tr("警告:"),tr("模型模块不存在!!!"));
        warningBox.show();
        //下面禁止功能按钮
        ui->btnDetect->setEnabled(false);
        ui->btnRegister->setEnabled(false);
        ui->btnRecognise->setEnabled(false);
    }

2. 人脸检测

基本思路如下：打开一张图片，利用人脸检测函数，检测图片中的人脸，进行人脸的标识。

项目中的实现代码如下：

void MainWindow::on_btnDetect_clicked()
{


    QStringList slResult = OpenImage();
    if(slResult.isEmpty())
    {
        ui->lbImg->setText("路径为空");
        return ;
    }
    QString filepath = slResult[0];
    QString fileMime = slResult[1];

    if(filepath != "")
    {
        if(fileMime.startsWith("image/"))
        {
            //获得当前label上的图片
            cv::Mat cvImg;
            //加载图片
            cvImg = cv::imread(filepath.toStdString());
           //检测图片中的人脸

           std::vector<std::shared_ptr<faceInfo>> results;

           faceAlgo->detectFace(cvImg,results,true);

           //显示人脸
           QImage qImg = this->cvMat2QImage(cvImg);
       //    qDebug()<< ui->lbImg->size();
           //画个图
           QPainter qPtr(&qImg);
           qPtr.setPen(QPen(Qt::green, 3, Qt::SolidLine, Qt::RoundCap, Qt::RoundJoin));
           int i = 0;
           for (auto item : results) {
               int x = int(item->detResult.at<float>(0,0));
               int y = int(item->detResult.at<float>(0,1));
               int w = int(item->detResult.at<float>(0,2));
               int h = int(item->detResult.at<float>(0,3));
               qPtr.drawRect(x,y,w,h);
               i++;
           }

           QPixmap qPmp = QPixmap::fromImage(qImg.scaled(ui->lbImg->size(), Qt::KeepAspectRatio));

           ui->lbImg->setScaledContents(false);
           ui->lbImg->setPixmap(qPmp);
        }
        else
        {
            cv::VideoCapture capture(filepath.toStdString());
            if(!capture.isOpened())

            {
                std::cout<<"video not open."<<std::endl;
                return;
            }
            int nFrame = 0;
            for (;;)
            {
                // Get frame
                cv::Mat frame;
                if (!capture.read(frame))
                {
                    std::cerr << "Can't grab frame! Stop\n";
                    break;
                }


                std::vector<std::shared_ptr<faceInfo>> results;

                faceAlgo->detectFace(frame,results,true);

//                //显示人脸
                QImage qImg = this->cvMat2QImage(frame);
//            //    qDebug()<< ui->lbImg->size();
//                //画个图
                QPainter qPtr(&qImg);
                qPtr.setPen(QPen(Qt::green, 3, Qt::SolidLine, Qt::RoundCap, Qt::RoundJoin));
                int i = 0;
                for (auto item : results) {
                    int x = int(item->detResult.at<float>(0,0));
                    int y = int(item->detResult.at<float>(0,1));
                    int w = int(item->detResult.at<float>(0,2));
                    int h = int(item->detResult.at<float>(0,3));
                    qPtr.drawRect(x,y,w,h);
                    i++;
                }

                QPixmap qPmp = QPixmap::fromImage(qImg.scaled(ui->lbImg->size(), Qt::KeepAspectRatio));

                ui->lbImg->setScaledContents(false);
                ui->lbImg->setPixmap(qPmp);
                int key = cv::waitKey(1);
                ++nFrame;
                if (key > 0)
                    break;

            }
            //关闭视频，手动调用析构函数（非必须）
            capture.release();
        }

    }
    else
    {
        ui->lbImg->setText("路径为空");
    }
}

3.人脸识别

人脸识别主要是利用已经识别的结果进行比对，从而获得识别结果。此处有个注册过程。就是告诉程序，某个特征的谁的问题。


void MainWindow::on_btnRecognise_clicked()
{


    QStringList slResult = OpenImage();
    if(slResult.isEmpty())
    {
        ui->lbImg->setText("路径为空");
        return ;
    }
    QString filepath = slResult[0];
    QString fileMime = slResult[1];
    if(filepath != "")
    {
        if(fileMime.startsWith("image/"))
        {
            //打开图像
            //获得当前label上的图片
            cv::Mat cvImg;
            //加载图片
            cvImg = cv::imread(filepath.toStdString());
           //检测图片中的人脸

           std::vector<std::shared_ptr<faceInfo>> faceResults;

           faceAlgo->detectFace(cvImg,faceResults,true);

           //匹配人脸
           faceAlgo->matchFace(cvImg,faceResults,false);

           //显示人脸
           QImage qImg = this->cvMat2QImage(cvImg);
       //    qDebug()<< ui->lbImg->size();
           //画个图
           QPainter qPtr(&qImg);
           QPen rPen(Qt::red, 3, Qt::SolidLine, Qt::RoundCap, Qt::RoundJoin);
           QPen gPen(Qt::green, 3, Qt::SolidLine, Qt::RoundCap, Qt::RoundJoin);
           qPtr.setPen(gPen);
           qPtr.setFont(QFont("Times", 20, QFont::Bold));
           int i = 0;
           for (auto item : faceResults) {
               if(item->name != "Unknown")
                   qPtr.setPen(gPen);
               else
                   qPtr.setPen(rPen);
               int x = int(item->detResult.at<float>(0,0));
               int y = int(item->detResult.at<float>(0,1));
               int w = int(item->detResult.at<float>(0,2));
               int h = int(item->detResult.at<float>(0,3));
               qPtr.drawRect(x,y,w,h);
               qPtr.drawText(x+w/2,y+h+10,QString(item->name.c_str()));
               i++;
           }


           QPixmap qPmp = QPixmap::fromImage(qImg.scaled(ui->lbImg->size(), Qt::KeepAspectRatio));

           ui->lbImg->setScaledContents(false);
           ui->lbImg->setPixmap(qPmp);
        }
        else
        {
            cv::VideoCapture capture(filepath.toStdString());
            if(!capture.isOpened())

            {
                std::cout<<"video not open."<<std::endl;
                return;
            }
            int nFrame = 0;
            for (;;)
            {
                // Get frame
                cv::Mat frame;
                if (!capture.read(frame))
                {
                    std::cerr << "Can't grab frame! Stop\n";
                    break;
                }


                std::vector<std::shared_ptr<faceInfo>> results;

                faceAlgo->detectFace(frame,results,true);

                //匹配人脸
                faceAlgo->matchFace(frame,results,false);

//                //显示人脸
                //显示人脸
                QImage qImg = this->cvMat2QImage(frame);
            //    qDebug()<< ui->lbImg->size();
                //画个图
                QPainter qPtr(&qImg);
                QPen rPen(Qt::red, 3, Qt::SolidLine, Qt::RoundCap, Qt::RoundJoin);
                QPen gPen(Qt::green, 3, Qt::SolidLine, Qt::RoundCap, Qt::RoundJoin);
                qPtr.setPen(gPen);
                qPtr.setFont(QFont("Times", 20, QFont::Bold));
                int i = 0;
                for (auto item : results) {
                    if(item->name != "Unknown")
                        qPtr.setPen(gPen);
                    else
                        qPtr.setPen(rPen);
                    int x = int(item->detResult.at<float>(0,0));
                    int y = int(item->detResult.at<float>(0,1));
                    int w = int(item->detResult.at<float>(0,2));
                    int h = int(item->detResult.at<float>(0,3));
                    qPtr.drawRect(x,y,w,h);
                    qPtr.drawText(x+w/2,y+h+10,QString(item->name.c_str()));
                    i++;
                }


                QPixmap qPmp = QPixmap::fromImage(qImg.scaled(ui->lbImg->size(), Qt::KeepAspectRatio));

                ui->lbImg->setScaledContents(false);
                ui->lbImg->setPixmap(qPmp);
                int key = cv::waitKey(1);
                ++nFrame;
                if (key > 0)
                    break;

            }
            //关闭视频，手动调用析构函数（非必须）
            capture.release();
        }
    }
}

4.ui

ui设计比较简单，没有太多有难度的问题，此处不在进行单独的说明 。

四、代码的一些说明

由于水平有限，很多代码都很粗糙，欢迎指正。

奋羊羊
关注
  • 2
    点赞
  • 踩
  • 29
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
基于OpenCV+NCNN+QT实现的人脸识别考勤系统源码+详细文档（高分项目）.zip
03-11
基于OpenCV+NCNN+QT实现的人脸识别考勤系统源码+详细文档（高分项目）.zip人脸识别考勤系统（基于SylixOS），主要用到Qt+OpenCV+ncnn 基于OpenCV+NCNN+QT实现的人脸识别考勤系统源码+详细文档（高分项目）.zip人脸识别考勤系统（基于SylixOS），主要用到Qt+OpenCV+ncnn基于OpenCV+NCNN+QT实现的人脸识别考勤系统源码+详细文档（高分项目）.zip人脸识别考勤系统（基于SylixOS），主要用到Qt+OpenCV+ncnn基于OpenCV+NCNN+QT实现的人脸识别考勤系统源码+详细文档（高分项目）.zip人脸识别考勤系统（基于SylixOS），主要用到Qt+OpenCV+ncnn基于OpenCV+NCNN+QT实现的人脸识别考勤系统源码+详细文档（高分项目）.zip人脸识别考勤系统（基于SylixOS），主要用到Qt+OpenCV+ncnn基于OpenCV+NCNN+QT实现的人脸识别考勤系统源码+详细文档（高分项目）.zip人脸识别考勤系统（基于SylixOS），主要用到Qt+OpenCV+ncnn基于Ope
深度神经网络——基于 DNN 的人脸检测与识别 OpenCV v4.8.0
hirshdz327的博客
11-05 328
检测输出的人脸是一个 CV_32F 类型的二维数组，其行是检测到的人脸实例，列是人脸的位置和 5 个人脸地标。获得两张人脸图像的人脸特征 feature1 和 feature2 后，运行下面的代码来计算两张人脸的身份差异。例如，如果余弦距离大于或等于 0.363，或 normL2 距离小于或等于 1.128，则两张脸具有相同的身份。分别代表右眼、左眼、鼻尖、右嘴角和左嘴角的坐标。人脸检测后，运行以下代码从面部图像中提取人脸特征。分别为人脸边界框的左上角坐标、宽度和高度，训练并提供的人脸识别模型。
QT学习经验（QT配置OpenCV及onnxruntime出现的问题，及不同编译器解决办法）
最新发布
sufukang12的博客
05-10 588
首先，选择配置项目的编译环境：这里我们选择的windows下面的编译环境（下载的时候OpenCV及onnxruntime要选择windows的release版本）注：这里只是windows编译环境下的配置！如果想要配置mingw格式，官网的release并不提供，大家需要自己下载源码自行编译。OpenCV源码编译:Qt配置OpenCV教程，亲测已试过（详细版）_qt opencv-CSDN博客。onnxruntime，还没找到。解压下载后记得把这两个加入到环境变量。在main.cpp文件中包涵头文件。
Opencv人脸检测应用-识别4个室友
m0_56711618的博客
04-14 1023
完成一个人脸识别的程序，可以识别你宿舍的几位同学人脸检测人脸特征提取与比对需要识别的人物：输入待识别图像，判断是哪一个舍友识别效果：人脸检测框定，返回室友的名字：唐悠悠-tyy。
FaceReco.rar
01-15
OpenCV4.5 dnn模块+QT5.12.9实现人脸识别Demo
Python、QT的人脸识别项目
屿屿屿屿屿的博客
06-29 963
FaceRecognitionMain_ui.py == 这个文件是你通过Python自带的QT设计工具设计了一个后缀为.ui的文件后，通过编译自动生成的文件 ==
Qt5配置opencv4.5.4
weixin_44866921的博客
01-27 4033
下载opencv 我的opencv在此目录下，刚下载应该没有opencv-build这个文件夹，是后来自己创建用于cmake编译的。 在PATH环境变量中加入下列三项，路径得是你电脑中Qt和CMake下的路径。 运行CMake 可以在电脑中的CMake目录下打开cmake-gui.exe文件。即进入C:\Program Files\CMake\bin，点击cmake-gui.exe 或者在win10的搜索栏里搜索cmake也能找到cmake打开快捷方式 为安装的opencv目录下的source文件 2
使用OpenCV DNN模块进行人脸检测
qq_43616651的博客
12-22 2762
需要对网络进行蒸馏，剪枝，轻量化，是模型大小适宜硬件配置，此外为了更好，更快速的推理，还需要将模型转成不同的模型格式，使其更加适配软件推理。这段代码就是推理的主要流程，其中几个比较重要的点就是blobFromImage函数是将待预测的图片转成网络输入的格式，一般网络的图像输入格式为N，C，H，W。N就是batch数，在推理时一般为1，C即通道数，H，W即为图像的高宽，除此之外这个函数还可缩放图像的像素值，默认1.0表示不变，也可以resize图像宽高，这里缩放到（300X300）为网络的输入。
基于OpenCV+MySQL+QT实现的人脸识别考勤系统源码.zip
12-28
基于OpenCV+MySQL+QT实现的人脸识别考勤系统源码.zip基于OpenCV+MySQL+QT实现的人脸识别考勤系统源码.zip基于OpenCV+MySQL+QT实现的人脸识别考勤系统源码.zip基于OpenCV+MySQL+QT实现的人脸识别考勤系统源码.zip基于...
VS 2019配置QT和Opencv调用DNN模块进行图像分类
伤心兮的博客
08-11 1316
初步将VS 2019、Opencv、QT和深度学习联系在一起，对遥感图像进行分类。
计算机视觉OpenCv学习系列：第十部分、实时人脸检测
weixin_52836217的博客
01-31 1949
计算机视觉OpenCv学习系列：第十部分、实时人脸检测
OpenCV结合Qt----人脸识别小demo
qq_30009067的博客
05-01 434
前不久用OpenCV使用
LabVIEW快速实现OpenCV DNN（YunNet）的人脸检测(含源码)
virobotics的博客
04-03 2908
人脸检测是计算机视觉领域的一个重要问题，它是很多应用（如人脸识别、人脸表情识别等）的必要步骤。YuNet 是一种高效的人脸检测算法，本文将介绍如何使用LabVIEW加载YuNet 快速实现人脸检测。
【人机交互】pyqt5+opencv对人脸进行识别
qq_44747572的博客
04-18 8910
解决问题：通过pyqt5对opencv人脸识别模块进行调用 文章目录1. pyqt5界面的设计 1. pyqt5界面的设计
tensorflow下基于DNN实现实时分辨人脸微表情
weixin_33743880的博客
03-24 1231
参加学校的国创比赛的时候，我们小组的项目有一部分内容需要用到利用摄像头实现实时检测人脸的表情，因为最近都在看深度学习方面的相关知识，所以就自己动手实现了一下这个小Demo.参考网上的资料，发现大部分是使用CNN和DNN进行学习，经过本人亲自实践，我发现DNN的识别效果更佳~（楼主接下来就要讲的是基于DNN的模型，要是你对CNN的模型感兴趣，欢迎私戳楼主~） 所需环境：opencv + tenso...
cv::Mat与QImage的互相转换
龚建波
08-30 7140
OpenCV 的 cv::Mat 和 Qt 的 QImage 的转换很简单，网上也很多参考，这里只是记录一下。转换的时候除了要关注构造参数中的图像宽高、存储精度、通道数和通道顺序外，大小端也需要注意。如 QImage::Format_ARGB32 是用 32 位整形存储一个像素，虽然写的是 ARGB 顺序，但是由于存储大小端的关系，PC 一般小端存储，所以字节顺序成了 BGRA。 直接通过数据指针构造 QImage 是复用的原来的内存，要注意释放顺序，也可以 copy 拷贝一份，cv::Mat 同理。
python 人脸比对_python dlib学习（五）：比对人脸
weixin_39637700的博客
12-16 1038
前言在前面的博客中介绍了，如何使用dlib标定人脸(python dlib学习(一)：人脸检测)，提取68个特征点(python dlib学习(二)：人脸特征点标定)。这次要在这两个工作的基础之上，将人脸的信息提取成一个128维的向量空间。在这个向量空间上，同一个人脸的更接近，不同人脸的距离更远。度量采用欧式距离，欧氏距离计算不算复杂。二维情况下：distance=(x1−x2)2+(y1−y2)...
Qt5 和 OpenCV4 计算机视觉项目：6~9
龙哥盟
04-19 1924
原文：Qt 5 and OpenCV 4 Computer Vision Projects 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 计算机视觉 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 当别人说你没有底线的时候，你最好真的没有；当别人说你做过某些事的时候，你也最好真的做过。 六、实时对象检测 在上一章中，我们了解了光学字符识别（OCR）技术。 我们借助 Tesseract 库和预训练的深度学习模型（EAST 模型）来识别扫描文档和照片中的文本，该模型
opencv基于DNN的人脸检测
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
05-24 2027
from：https://blog.csdn.net/minstyrain/article/details/78907425      opencv3.4 版之前自带的人脸检测器是基于Haar+Adaboost的，速度还可以，但是检出率很低，误检也很多，脸的角度稍大就检不出来，还经常会把一些乱七八糟的东西当做人脸，实在不敢恭维。好在随着深度学习领域的发展，涌现了一大批效果相当不错的人...
opencv4.6.0和qt5.12.12怎么配置
05-24
下面是在Windows操作系统下，使用MinGW编译器配置OpenCV 4.6.0和Qt 5.12.12的步骤： 1. 下载并安装MinGW-w64编译器，建议下载64位版本。安装完成后将MinGW-w64/bin目录添加到系统环境变量中。 2. 下载并安装CMake...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值