基于openCV的视频人脸识别《演员的诞生》

最新推荐文章于 2024-08-18 08:40:42 发布

淼淼1111

最新推荐文章于 2024-08-18 08:40:42 发布

阅读量1.4k

点赞数 2

1.准备训练数据

网络上下载(训练数据量大时，通过爬虫获取)目标的图片：

运用以下代码将原图中的人脸头像识别、提取、调整大小(这里是150*200)，并分别保存。

运行环境：win7 64+VS2013+openCV3.1。

（PS：抱怨下vs和opencv的版本密切相关，注意安装配置）

 
   [cpp]  
   view plaincopy
#include <opencv2\opencv.hpp>  
#include <iostream>  
#include <stdio.h>  
#include <opencv2/core/core.hpp>  
#include <opencv2/highgui/highgui.hpp>  
#include <opencv2/imgproc/imgproc.hpp>  
#include <opencv2/opencv.hpp>  
  
#include <opencv2/imgproc/types_c.h>    
#include <opencv2/videoio/videoio_c.h>    
#include <opencv2/highgui/highgui_c.h>  
  
using namespace std;  
using namespace cv;  
  
/** Function Headers */  
void detectAndDisplay(Mat frame);  
  
/** Global variables */  
String face_cascade_name = "F:\\Downloads\\opencv_build\\install\\etc\\haarcascades\\haarcascade_frontalface_default.xml";  
String eyes_cascade_name = "F:\\Downloads\\opencv_build\\install\\etc\\haarcascades\\haarcascade_eye_tree_eyeglasses.xml";  
CascadeClassifier face_cascade;   //定义人脸分类器  
CascadeClassifier eyes_cascade;   //定义人眼分类器  
String window_name = "Capture - Face detection";  
  
  
/** @function main */  
int main(void)  
{  
    //-- 1. Load the cascades  
    if (!face_cascade.load(face_cascade_name)){ printf("--(!)Error loading face cascade\n"); return -1; };  
    if (!eyes_cascade.load(eyes_cascade_name)){ printf("--(!)Error loading eyes cascade\n"); return -1; };  
  
  
    //-- 2. 遍历原图像文件夹  
    vector<String> files;  
    glob("D:\\training\\liudh_before\\*.jpg", files, true);  
  
    //-- 3. 识别、提取，并保存头像至新文件夹。图片均调整为150x200像素  
    for (int i = 0; i < files.size(); i++)  
    {  
        //Image processing    
        Mat img = imread(files[i]); //读取文件  
        cout << files[i] << '\n';  
        detectAndDisplay(img);     //提取头像  
  
        waitKey(1000);  
    }  
}  
  
/** @function detectAndDisplay */  
void detectAndDisplay(Mat frame)  
{  
    static int count = 0;  
    std::vector<Rect> faces;  
    Mat frame_gray;  
    Mat MyFace;  
  
    cvtColor(frame, frame_gray, COLOR_BGR2GRAY);  
    //equalizeHist(frame_gray, frame_gray);  
  
    //imshow("2", frame_gray);  
  
    //-- Detect faces  
    face_cascade.detectMultiScale(frame_gray, faces, 1.1);  
  
    for (size_t i = 0; i < faces.size(); i++)  //人脸数目  
    {  
        Mat faceROI = frame_gray(faces[i]);  
        rectangle(frame, faces[i], Scalar(255, 0, 0), 2, 8, 0);  
  
        if (faceROI.cols > 80){  
            resize(faceROI, MyFace, Size(150, 200));  
            string  str = format("D:\\training\\liudh\\MyFcae%d.jpg", count);  
            cout << " 保存图片" << count<<endl;  
            imwrite(str, MyFace);  
            imshow("ii", MyFace);  
        }  
        count++;  
  
    }  
    //-- Show what you got  
    namedWindow(window_name, 2);  
    imshow(window_name, frame);  
}  

2.制作标签文件CSV

进入命令行，输入命令 di /b/s *.pgm *jpg >at.txt

会在训练数据文件夹下生成一个at.txt文件，但这文件内只有数据，没有标签。（笨办法是将数据拷贝到execl表格中生成标签)

最终生成文件内容如下所示：

也可以通过create_csv.py制作标签(注意修改文件中的目录路径)

 
   [python]  
   view plaincopy
#!/usr/bin/env python  
  
import sys  
import os.path  
  
# This is a tiny script to help you creating a CSV file from a face  
# database with a similar hierarchie:  
#  
#  philipp@mango:~/facerec/data/at$ tree  
#  .  
#  |-- README  
#  |-- s1  
#  |   |-- 1.pgm  
#  |   |-- ...  
#  |   |-- 10.pgm  
#  |-- s2  
#  |   |-- 1.pgm  
#  |   |-- ...  
#  |   |-- 10.pgm  
#  ...  
#  |-- s40  
#  |   |-- 1.pgm  
#  |   |-- ...  
#  |   |-- 10.pgm  
#  
  
if __name__ == "__main__":  
  
    #if len(sys.argv) != 2:  
    #    print "usage: create_csv <base_path>"  
    #    sys.exit(1)  
  
    #BASE_PATH=sys.argv[1]  
    BASE_PATH="D:/att_faces"  
      
    SEPARATOR=";"  
  
    fh = open("D:/att_faces/at.txt",'w')  
  
    label = 1   
    for dirname, dirnames, filenames in os.walk(BASE_PATH):  
        for subdirname in dirnames:  
            subject_path = os.path.join(dirname, subdirname)  
            for filename in os.listdir(subject_path):  
                abs_path = "%s/%s" % (subject_path, filename)  
                #print "%s%s%d" % (abs_path, SEPARATOR, label)  
                fh.write(abs_path)  
                fh.write(SEPARATOR)  
                fh.write(str(label))  
                fh.write("\n")        
            label = label + 1  
    fh.close()  

3. 训练模型

EigenFace和FisherFace的训练图像和测试图像都必须是灰度图，而且是经过归一化裁剪过的。

1.运用alt.txt文件，加载训练数据；提取数据和标签

2.根据FaceRecognizer三种训练模型进行训练；

3.保存训练数据及模型（xml）

 
   [cpp]  
   view plaincopy
//#include "stdafx.h"  
#include <opencv2/opencv.hpp>  
#include <iostream>  
#include <fstream>  
#include <sstream>  
#include <math.h>  
  
#include <opencv2/face.hpp>  
#include <opencv2/face/facerec.hpp>  
#include <iostream>  
#include <stdio.h>  
#include "opencv2/core.hpp"  
#include "opencv2/core/utility.hpp"  
#include "opencv2/core/ocl.hpp"  
#include "opencv2/imgcodecs.hpp"  
#include "opencv2/highgui.hpp"  
#include "opencv2/features2d.hpp"  
#include "opencv2/calib3d.hpp"  
#include "opencv2/imgproc.hpp"  
#include"opencv2/flann.hpp"  
#include"opencv2/xfeatures2d.hpp"  
#include"opencv2/ml.hpp"  
#include"opencv2/face.hpp"  
#include"opencv2/face/facerec.hpp"  
#include"opencv2/objdetect.hpp"  
  
using namespace cv;  
using namespace std;  
using namespace face;  
  
static Mat norm_0_255(InputArray _src) {  
    Mat src = _src.getMat();  
    // 创建和返回一个归一化后的图像矩阵:  
    Mat dst;  
    switch (src.channels()) {  
    case1:  
        cv::normalize(_src, dst, 0, 255, NORM_MINMAX, CV_8UC1);  
        break;  
    case3:  
        cv::normalize(_src, dst, 0, 255, NORM_MINMAX, CV_8UC3);  
        break;  
    default:  
        src.copyTo(dst);  
        break;  
    }  
    return dst;  
}  
  
//使用CSV文件去读图像和标签，主要使用stringstream和getline方法  
static void read_csv(const string& filename, vector<Mat>& images, vector<int>& labels, char separator = ';') {  
    std::ifstream file(filename.c_str(), ifstream::in);  
    if (!file) {  
        string error_message = "No valid input file was given, please check the given filename.";  
        CV_Error(CV_StsBadArg, error_message);  
    }  
    string line, path, classlabel;  
    while (getline(file, line)) {  
        stringstream liness(line);  
        getline(liness, path, separator);  
        getline(liness, classlabel);  
        if (!path.empty() && !classlabel.empty()) {  
            images.push_back(imread(path, 0));  
            labels.push_back(atoi(classlabel.c_str()));  
        }  
    }  
}  
  
  
int main()  
{  
  
    //读取你的CSV文件路径.  
    //string fn_csv = string(argv[1]);  
    string fn_csv = "D:\\training\\at.txt";  
  
    // 2个容器来存放图像数据和对应的标签  
    vector<Mat> images;  
    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)  
    {  
        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  
        exit(1);  
    }  
    // 如果没有读取到足够图片，也退出.  
    if (images.size() <= 1) {  
        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]  
    Mat testSample = images[images.size() - 1];  
    int testLabel = labels[labels.size() - 1];  
    images.pop_back();  
    labels.pop_back();  
    // 下面几行创建了一个特征脸模型用于人脸识别，  
    // 通过CSV文件读取的图像和标签训练它。  
    // T这里是一个完整的PCA变换  
    //如果你只想保留10个主成分，使用如下代码  
    //      cv::createEigenFaceRecognizer(10);  
    //  
    // 如果你还希望使用置信度阈值来初始化，使用以下语句：  
    //      cv::createEigenFaceRecognizer(10, 123.0);  
    //  
    // 如果你使用所有特征并且使用一个阈值，使用以下语句：  
    //      cv::createEigenFaceRecognizer(0, 123.0);  
       
    Ptr <FaceRecognizer> model = createEigenFaceRecognizer(10);  
    model->train(images, labels);  
    model->save("MyFacePCAModel.xml");  
  
    Ptr <FaceRecognizer> model1 = createFisherFaceRecognizer(10);  
    model1->train(images, labels);  
    model1->save("MyFaceFisherModel.xml");  
  
    Ptr <FaceRecognizer> model2 = createLBPHFaceRecognizer(10);  
    model2->train(images, labels);  
    model2->save("MyFaceLBPHModel.xml");  
  
    // 下面对测试图像进行预测，predictedLabel是预测标签结果  
    int predictedLabel = model->predict(testSample);  
    int predictedLabel1 = model1->predict(testSample);  
    int predictedLabel2 = model2->predict(testSample);  
  
    // 还有一种调用方式，可以获取结果同时得到阈值:  
    //      int predictedLabel = -1;  
    //      double confidence = 0.0;  
    //      model->predict(testSample, predictedLabel, confidence);  
  
    string result_message = format("Predicted class = %d / Actual class = %d.", predictedLabel, testLabel);  
    string result_message1 = format("Predicted class = %d / Actual class = %d.", predictedLabel1, testLabel);  
    string result_message2 = format("Predicted class = %d / Actual class = %d.", predictedLabel2, testLabel);  
    cout << result_message << endl;  
    cout << result_message1 << endl;  
    cout << result_message2 << endl;  
  
    while (1);  
    //waitkey只对imshow有效  
    //if (waitKey(10) == 17) return 0;; //  
    //return 0;  
}  

4. 预测数据

加载上述训练好的训练模型，并进行估值

 
    [cpp]  
    view plaincopy
#include<opencv2\opencv.hpp>  
#include<iostream>  
#include <opencv2\opencv.hpp>  
#include <iostream>  
#include <stdio.h>  
#include <opencv2/core/core.hpp>  
#include <opencv2/highgui/highgui.hpp>  
#include <opencv2/imgproc/imgproc.hpp>  
#include <opencv2/opencv.hpp>  
  
#include <opencv2/imgproc/types_c.h>    
#include <opencv2/videoio/videoio_c.h>    
#include <opencv2/highgui/highgui_c.h>  
#include <opencv2/face.hpp>  
#include <opencv2/face/facerec.hpp>  
  
using namespace std;  
using namespace cv;  
using namespace face;  
  
int main()  
{  
  
    VideoCapture cap("D:\\pics\\wjd.avi");    //打开默认摄像头  
    if (!cap.isOpened())  
    {  
        return -1;  
    }  
  
    Mat frame;  
    Mat edges;  
    Mat gray;  
  
    CascadeClassifier cascade;  
    bool stop = false;  
    //训练好的文件名称，放置在可执行文件同目录下  
    cascade.load("D:\\training\\training_data\\haarcascade_frontalface_default.xml");  
  
    Ptr<FaceRecognizer> modelPCA = createEigenFaceRecognizer();  
    modelPCA->load("D:\\training\\training_data\\MyFacePCAModel.xml");  
  
    while (!stop)  
    {  
        cap >> frame;  
        //frame = imread("D:\\pics\\test3.jpg");  
        if (frame.empty()) break;  
        //建立用于存放人脸的向量容器  
        vector<Rect> faces(0);  
  
        cvtColor(frame, gray, CV_BGR2GRAY);  
        //改变图像大小，使用双线性差值  
        //resize(gray, smallImg, smallImg.size(), 0, 0, INTER_LINEAR);  
        //变换后的图像进行直方图均值化处理  
        equalizeHist(gray, gray);  
  
        cascade.detectMultiScale(gray, faces,  
            1.1);  
            //, 2, 0  
            //|CV_HAAR_FIND_BIGGEST_OBJECT  
            //|CV_HAAR_DO_ROUGH_SEARCH  
            //| CV_HAAR_SCALE_IMAGE,  
            //Size(30, 30));  
  
        Mat face;  
        Point text_lb;  
  
        for (size_t i = 0; i < faces.size(); i++)  
        {  
            if (faces[i].height > 0 && faces[i].width > 0)  
            {  
                face = gray(faces[i]);  
                text_lb = Point(faces[i].x, faces[i].y);  
  
                rectangle(frame, faces[i], Scalar(255, 0, 0), 1, 8, 0);  
            }  
        }  
        imshow("face1", frame);  
  
        Mat face_test;  
  
        int predictPCA = 0;  
        if (face.rows >= 80)  
        {  
            resize(face, face_test, Size(150, 200));  
  
        }  
        //Mat face_test_gray;  
        //cvtColor(face_test, face_test_gray, CV_BGR2GRAY);  
  
        if (!face_test.empty())  
        {  
            //测试图像应该是灰度图  
            predictPCA = modelPCA->predict(face_test);  
        }  
  
        cout << predictPCA << endl;  
        if (predictPCA == 1)  
        {  
            string name = "liangcw";  
            putText(frame, name, text_lb, FONT_HERSHEY_PLAIN, 1, Scalar(0, 0, 255));  
        }  
        else if (predictPCA == 2)  
        {  
            string name = "liudh";  
            putText(frame, name, text_lb, FONT_HERSHEY_PLAIN, 1, Scalar(0, 0, 255));  
        }  
        else if (predictPCA == 3)  
        {  
            string name = "zyw";  
            putText(frame, name, text_lb, FONT_HERSHEY_PLAIN, 1, Scalar(0, 0, 255));  
        }  
        else if (predictPCA == 4)  
        {  
            string name = "zzy";  
            putText(frame, name, text_lb, FONT_HERSHEY_PLAIN, 1, Scalar(0, 0, 255));  
        }  
        imshow("face2", frame);  
        //waitKey(0);  
  
        if (waitKey(10) >= 0)  
            stop = true;  
    }  
  
    return 0;  
}  