基于Opencv的人脸识别

---

前言

人脸识别算法用的是Eigenface算法。 Eigenface算法原理：计算平均脸->计算协方差矩阵->计算特征值->计算特征矩阵->得到特征脸->将图片与特征脸对比识别人脸。

---

一、对象检测初始化

定义一个CascadeClassifier对像来检测人脸，先使用load方法初始化，初始化时要用到haar的特征人脸识别分类器。

string haar_face_datapath = "C:/opencv/build/etc/haarcascades/haarcascade_frontalface_alt_tree.xml";//检测人脸
CascadeClassifier faceDetector;//CascadeClassifier对象检测
faceDetector.load(haar_face_datapath);//初始化

二、获取样本

先使用VideoCapture捕捉摄像头中的人脸，将从摄像头中得到的源图像存储到Mat格式的变量中，然后使用detectMultiScale进行多尺度目标检测，将源图像中的人脸识别出来，并用Rect类型的vector存储检测出来的人脸的矩形轮廓。
将检测出来的人脸使用resize函数，按照矩形轮廓截取，并使用imwrite保存下来。
接下来是训练和识别人脸，我将上一步检测出来的人脸，全部按照路径加人物编号的方式存储到了一个csv文件中，方便读取。

VideoCapture capture(0);//0表示打开摄像头，如果是路径表示读取视频
if (!capture.isOpened())
{
   
	cout << "could not open camera" << endl;
	return -1;
}
Mat frame;
vector<Rect> faces;//Rect矩形坐标
int count = 0;//计算人脸数
while (capture.read(frame))//read按帧读取图像，保存到frame中
{
   
	flip(frame, frame, 1);//flip用于反转图像，参数一：原始图像，参数二：变换后的图像，参数三：反转模式，1表示水平翻转
	//detectMultiScale进行多尺度目标检测，frame摄像头得出来的源图像，faces检测出的物体的边缘
	faceDetector.detectMultiScale(frame, faces, 1.1,1,0,Size(100,120),Size(380,400));
	for (int i = 0; i < faces.size(); i++)
	{
   
		if (count % 10 == 0)
		{
   
			Mat dst;
			resize(frame(faces[i]), dst, Size(100, 100));//调整图片大小。frame(faces[i])重载"()"操作符函数
			imwrite(format("C:/Users/18218/source/repos/facerecog_01/outimage/face_%d.jpg",count),dst);
		}
		rectangle(frame, faces[i], Scalar(0, 0, 255), 2, 8, 0);//画红色矩形框
	}
	imshow("camera-demo", frame);
	char c = waitKey(10);//waitKey(10)表示延时10ms切换到下一帧图像
	if (c == 27)//esc键对应的ASCLL码是27
		break;
	count++;
}
capture.release();

三、读取样本