基于openCv2的人脸识别入门

opencv的强大之处想必大家也是略知一二吧，本文章人脸识别研究的入门，算法都是直接调用opencv。

opencv3.0都已经发布了但是本代码还是写在2.4.9的环境中，不过其中的方法都是用的C++ API，也就是与3.0接轨了

//头文件：image.h

#include "opencv.hpp"

#include <iostream>
#include <iterator>  //迭代器
using namespace std;
using namespace cv;

//主函数：mian.cpp

#include"image.h"
int main()
{
    VideoCapture cap(0);
    if(!cap.isOpened())
    {
        return -1;
    }
    Mat frame,gray, smallImg,imageROI;
    vector<Rect> faces;
    CascadeClassifier cascade ;
    cascade.load("haarcascade_frontalface_alt.xml") ;
    Ptr<FaceRecognizer> m_model = createLBPHFaceRecognizer(1,8,8,8,90);
    m_model->load("MyFaceout.xml");
    do{
      cap>>frame;
      cvtColor( frame, gray, CV_BGR2GRAY );                    //灰度处理
      resize( gray, smallImg, Size(), 0.2, 0.2, INTER_LINEAR );//设置图像尺寸
      equalizeHist( smallImg, smallImg );                      //直方均衡化
	  
      cascade.detectMultiScale( smallImg, faces,
                               1.1, 2, 0
                              //|CV_HAAR_FIND_BIGGEST_OBJECT
                              //|CV_HAAR_DO_ROUGH_SEARCH
                                |CV_HAAR_SCALE_IMAGE,
                                Size(30, 30) );
      for( vector<Rect>::const_iterator r = faces.begin(); r != faces.end(); r++ )
	  { 
		  Rect r(cvPoint(cvRound(5*(r->x)), cvRound(5*(r->y))),
                         cvPoint(cvRound(5*(r->x + r->width-1)), cvRound(5*(r->y + r->height-1))));
	          rectangle(frame, r,CV_RGB(0,0,255), 3, 8, 0);
		  imageROI = frame(r);
		  resize(imageROI,imageROI,Size(92,112));
		  cvtColor(imageROI , imageROI,CV_BGR2GRAY);
		 
		  cout<<m_model->predict(imageROI)<<"  您好！\n";
        }
      cv::imshow("人脸检测",frame );
    }while(waitKey(30)<=0);
    return 0;
}

人脸识别的算法非常的多，在静态识别方面已经达到了不错的效果，但是在实时的监控方面还是存在很大的问题,本文是我写的第一篇Blog，所以还请谅解。

1，头文件：

#include "opencv.hpp"

这个是opencv最新推荐的头文件。opencv3.0使用的一个头文件。

2，函数实体

VideoCapture cap(0); 

参数0打开默认的摄像头，-1表示打开前提醒选择摄像头

 Mat frame,gray, smallImg,imageROI;

frme要接受来自摄像头的图像Mat，gray保存frame灰度化的图形,smallImg保存改变尺寸的gray，如果尺寸不变的话，对大图形进行人脸检测非常耗时的，imageROI设置图像的感兴趣区域，就是包含人脸的区域。

vector<Rect> faces;

保存检测出的人脸区域

CascadeClassifier cascade 

人脸检测器

cascade.load("haarcascade_frontalface_alt.xml") ;

加载人脸检测需要的数据，在opencv文件的data文件夹内

Ptr<FaceRecognizer> m_model = createLBPHFaceRecognizer(1,8,8,8,90);

基于LBP的人脸识别方法，会详细讲解

 m_model->load("MyFaceout.xml");

人脸库需要调用 model->train(images,labels);model->save("MyFaceout.xml");方法来进行训练得到，images表示包含人脸的容器，labells是标签容器，会详细讲解，在此先用着。

cap>>frame;

文件流将从cap的数据流向frame

cvtColor( frame, gray, CV_BGR2GRAY );                    //灰度处理
resize( gray, smallImg, Size(), 0.2, 0.2, INTER_LINEAR );//归一化处理
equalizeHist( smallImg, smallImg );                      //直方均衡化

进行人脸检测前对图像进行的必要的处理，灰度处理将图像变成一维的加快处理速度，resize的四个参数gray输入Mat,smallImg输出Mat，两个0.2分别是横向，和纵向的缩小比例，0.2就是把原来的长或宽乘0.2也就是缩小5倍

equalizedHist直方均衡化，突出图像的临界区域，提高识别率，但是对于本代码似乎无效

cascade.detectMultiScale( smallImg, faces,
                          1.1, 2, 0
                         //|CV_HAAR_FIND_BIGGEST_OBJECT
                         //|CV_HAAR_DO_ROUGH_SEARCH
                           |CV_HAAR_SCALE_IMAGE,
                           Size(30, 30) );

人脸检测的方法参数对于人脸识别来说没有那么的重要，具体的参数理解需要对检测的原理有个理解，所以现在也就先不说了。

 for( vector<Rect>::const_iterator r = faces.begin(); r != faces.end(); r++ )
	{ 
		  Rect r(cvPoint(cvRound(5*(r->x)), cvRound(5*(r->y))),
                         cvPoint(cvRound(5*(r->x + r->width-1)), cvRound(5*(r->y + r->height-1))));
		  imageROI = frame(r);
		  resize(imageROI,imageROI,Size(92,112));
		  cvtColor(imageROI , imageROI,CV_BGR2GRAY);
		 
		  cout<<m_model->predict(imageROI)<<"  您好！\n";
        }

利用上不检测得到的区域向量，在frame中设置该区域为感兴趣区域，并将该区域赋给iamgeROI,然后就是图像的大小设置，训练的时候图像大小就是92*112故该处也应如此，转换为灰度值，opencv的predict只能识别一维的图像。

  cv::imshow("人脸检测",frame );

显示图像

至此代码完了详细的原理讲解将会在以后的文章中补充。