基于openCV的PCA+SVM的人脸识别程序

利用openCV的PCA+SVM实现人脸识别，即用PCA对数据集进行降维，保留主要的成分，然后送至SVM进行训练，对于当训练数据特别庞大时，可以达到缩小SVM模型提升分类速度的目的。
欢迎一起学习交流！
软件开发平台：visual studio 2013
opencv version:3.3.0
请注意上面两个的版本要匹配才行，opencv3.3.0有VC12的lib库，可以在网上查一下visual studio和VC的对应版本，这里visual studio 2013对应的就是VC12

目录

1. 准备和读取数据
2. 数据前处理
3. 数据分类
4. PCA降维
5. SVM分类
6. 预测
7. 关于非训练类别预测结果随机的处理办法
8. 参考链接

1. 准备和读取数据

1.1 目录介绍

	首先给大家看一下我的VS目录结构，DataBase中就是存放的数据集，其中的图像都是未经处理过的含有人脸的图片。

DataBase文件夹如下图：

1.2 数据读取

	本文采用读取TXT文件的方式，依次读入所需图片数据：

PathForTrain.txt包含了训练集的路径：

PathForTest.txt包含了测试机的路径：

1.3 图像读取程序

	首先实现一个根据TXT文件路径读取所以图片的函数：

	 vector<vector<String> > getImgPath(string s,int& num){
   
	ifstream path(s);
	vector<string> ipath;//多少个文件夹
	string buf;
	while (path){
   
		if (getline(path, buf)){
   
			ipath.push_back(buf);//图像所在的文件夹      
		}
	}
	path.close();
	vector<vector<String> > allpath;//所有文件夹下的图片（*.jpg）文件的路径
	for (size_t i = 0; i < ipath.size(); i++){
   
		string pattern_jpg = ipath[i];
		vector<String> files;
		cv::glob(pattern_jpg, files);
		if (files.size() == 0) {
   
			std::cout << "No image files[jpg]" << std::endl;
		}
		num += files.size();//每个文件夹下的图片数量之和
		allpath.push_back(files);
	}
	return allpath;
}

	然后调用这个函数，举个例子：

	//1. 通过path.txt确定需要读取的图片文件夹和类别
	vector<vector<String> > imgByDir;//按文件夹存储图片路径的向量，每个文件夹代表不同的label
	int	nImgNum = 0; //nImgNum是样本数量 
	imgByDir = getImgPath("PathForTrain.txt", nImgNum);
	cout << "共有样本个数为：" << nImgNum << 

2. 数据前处理

	本文的目的是实现人脸识别，所以首先需要进行人脸检测，把人脸数据送去降维和分类，这里用opencv自带的人脸检测模型，这里分两步：
	第一步加载人脸检测分类器

	//0. 加载人脸检测模型
	String face_cascade_name = "src/haarcascade_frontalface_alt.xml";
	CascadeClassifier face_cascade;
	if (!face_cascade.load(face_cascade_name)){
    printf("--(!)Error loading\n"); return -1; };

	第二步对人脸区域图像裁剪

Mat getFaceImg(Mat src, CascadeClassifier cascade){
   
	//人脸检测
	std::vector<Rect> faces;
	Mat face = src;
	//equalizeHist(src,src);//直方图均衡化
	cascade.detectMultiScale(src, faces, 1.1, 2, 0 | CASCADE_SCALE_IMAGE, Size(30, 30));
	//裁剪出人脸
	for (size_t f = 0; f < faces.size(); f++)