【opencv】基于opencv2的人脸识别系统

    之前，曾写过一个较为完整的人脸识别小系统。开发环境为opencv2.4.9和VS2012,并加入了一个新模块cvui.h，用此模块为人脸识别系统写了一个简单界面。界面如下：

                    

                    

  此界面用到的元素比较简单，包含按钮、文本框、图片及文字。

本文章写作框架如下：

1. 人脸识别流程

                        

2.各部分功能：详见下文“各模块讲解”。

3.各部分中遇到的细节问题

     例如：

       CascadeClassifier cascade;//建立级联分类器

cascade.load("haarcascade_frontalface_alt2.xml"); // 加载训练好的 人脸检测器（.xml）

        cascade.detectMultiScale(frameGray,faces,1.2, 2,0 |  CV_HAAR_FIND_BIGGEST_OBJECT );

        haarcascade_frontalface_alt2.xml到底是什么东西？

4.本系统的缺陷，是否可提升

  (1)  人脸采集问题：人脸旋转-》矫正

（2）训练模型问题：更换更好的模型来训练-》深度学习

（3）样本格式问题：直接利用彩色图像会不会更好

（4）训练样本问题：人脸数据库数量不足，以及ORL是西方面孔，与我们东方面孔的差异。-》采集更多东方人脸，进行训练

（5）人脸数组：现在是只识别一个人，能否识别多个，可以

（6）自己训练人脸检测器haar_cascade

5.所涉及的算法及原理，详见下文各模块讲解。

6.具体代码请戳：http://blog.csdn.net/u012679707/article/details/79520299 基于opencv2的人脸识别系统（二）具体代码

各模块讲解

第一部分：主函数

main.c

系统主函数，包含参数初始化、ui界面的设置以及整体流程控制。

第二部分：人脸采集

capture.cpp

人脸采集模块，功能是从摄像头画面中检测出人脸，并将人脸图像(矩形)截取下来，保存到训练文件中。其中人脸检测的详细过程是，

第一步,建立级联分类器

CascadeClassifier cascade;//建立级联分类器

第二步，加载Haar级联分类器模型.xml

cascade.load("haarcascade_frontalface_alt2.xml");	// 加载训练好的 人脸检测器（.xml）

第三步，用加载好的级联分类器进行人脸检测，返回检测到的人脸数组faces

cascade.detectMultiScale(frameGray,faces,1.2, 2,0 |  CV_HAAR_FIND_BIGGEST_OBJECT );

流程图如下：

                    

这一模块中，有一个问题，haar是什么？haar.xml为什么可以做人脸检测模型？如何检测出人脸的？

首先，haar特征是一种特征提取的方法。其实，特征提取方法有很多种，比如说Haar特征，edgelet特征，shapelet特征，HOG特征，HOF特征，小波特征，边缘模板等等。

摘录自：http://blog.csdn.net/yang6464158/article/details/25103703（特征提取之——Haar特征）

Haar分类器 = Haar-like特征 + 积分图方法 + AdaBoost +级联

Haar分类器算法的要点如下：

①　使用Haar-like特征做检测。

②　使用积分图（Integral Image）对Haar-like特征求值进行加速。