Qt5.7+Opencv2.4.9人脸识别(四)模型训练

【注意】本博文的档次适合OpenCV初学者，和要做本科生毕业设计这类档次。

源码的下载地址和原理理论部分请走下面连接

http://blog.csdn.net/qq78442761/article/details/71157980

上一节是人脸处理，链接如下：

http://blog.csdn.net/qq78442761/article/details/71159013

这一节是模型训练，这个模型训练要做的功能就是调用Opencv生成一个XML文件，这个XML文件记录了每组的人脸的特征(本程序是10张图一个人，每一个人有唯一固定的编号)

功能如下，在点击功能再点击训练模型后会在此程序根目录下生成如下xml文件。

下面来看代码，如何实现这一功能：

void AddPeople::TrainingModel()
{
    //读取你的CSV文件路径.
    //string fn_csv = string(argv[1]);
    std::string fn_csv = "./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];
//    int testLabel = labels[labels.size() - 1];
    images.pop_back();
    labels.pop_back();


    cv::Ptr<cv::FaceRecognizer> model = cv::createEigenFaceRecognizer();
    model->train(images, labels);
    model->save("MyFacePCAModel.xml");

          int predictedLabel = -1;
          double confidence = 0.0;
          model->predict(testSample, predictedLabel, confidence);
          qDebug()<<confidence;
}

其实就是调用了createEigenFaceRecognizer()，就实现了在第一节中，所说的理论，然后在train就能训练出xml文件。

下一节将说明人脸识别。

源码和理论部分在本博文开头有提供。