VS2017+opencv3.4.0人脸识别训练笔记

最新推荐文章于 2023-08-14 14:45:58 发布
置顶 最新推荐文章于 2023-08-14 14:45:58 发布
阅读量2.5k 收藏 48
点赞数 5
分类专栏： opencv学习 文章标签： opencv 人脸识别 cmake
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44441009/article/details/105481805
版权

文章目录

近来想用VS2017和opencv做一个人脸识别的简单训练项目，需要用到 opencv 的FisherFaceRecognizer类，但是使用FisherFaceRecognizer类需要使用opencv_contrib ，所以需要用cmake平台重新编译opencv和opencv_contrib。

一、下载与安装

1.下载特定版本的 opencv和opencv_contrib，两者版本要一致。但是由于国内下载GitHub 有时候会非常慢，所以可以下载码云上面的库（opencv码云库和opencv_contrib码云库）。
在这里插入图片描述
在这里插入图片描述
下载 CMake
2.下载并安装 visual studio ，安装时添加使用C++的桌面开发。vs的安装方法网上很多，不难。
在这里插入图片描述
3.安装 CMake ，用CMake编译opencv和opencv_contrib
在这里插入图片描述

二、编译 opencv

点击configure
在这里插入图片描述
如下，看到自己安装的 visual studio 版本，此处不要忘了选择platform-x64,否则默认debug平台win32，参照网上的方法新建X-64编译环境也没有用，然后点击finish。
在这里插入图片描述
开始编译，等待。运气不好的话下方出现红色字体，就是有错误出现。如下图所示，主要是一些文件下载失败，原因是网络慢。解决方案有两种，一种是手动下载失败的文件放入对应的目录中，另一种是科学上网。我用的是后者，省去了一些麻烦。
在这里插入图片描述
当 CMake 界面上下两块都没有红色部分，且下方出现了Configuring done，点击generate按钮。
直到下方出现 Configuring done Generating done
此时说明 opencv 基本库编译完成。

三、编译 opencv_contrib

在 search 对话框中输入OPENCV_EXTRA_MODULES_PATH，找到OPENCV_EXTRA_MODULES_PATH后在value中填入编译opencv_contrib解压目录中的modules路径(注意此处路径的反斜杠\要改成正斜杠/或者反斜杠\，反斜杠\有转义字符的意思)，目录错误则会出现Error in configuration process, project files may be invalid弹窗错误提醒。
在这里插入图片描述
在搜索栏中输入 OPENCV_ENABLE_NONFREE ，在value值中点击选中。如果没有选中，那么类似SIFT这种已经被申请专利的方法就无法使用。
然后点击 configure
在这里插入图片描述
在下方出现 Configuring done 之后，点击Generate

和 opencv 基本库编译一样，CMake下方出现Configuring done Generating done，说明opencv_contrib 编译完成。
在这里插入图片描述

四、 visual studio 编译

然后点击 Open Project ，会使用之前选择的特定版本visual studio打开。
在这里插入图片描述
选择 生成 ->批生成
在这里插入图片描述
在弹出的窗口里面选择的 debug 和release的ALL_BUILD和INATALL，然后点击“生成”。
在这里插入图片描述
该过程会需要较长时间。
在这里插入图片描述

五、配置 opencv 环境

1.配置系统环境变量

生成结束之后，需要修改环境变量。

环境变量在“此电脑”->“属性”->“高级系统设置”->“环境变量”，在用户变量里面的 Path 变量后面添加之前CMake设置的 build目录\install\x64\vc15\bin ，确定，退出。

如果 visual studio 在修改环境变量之前就打开了，需要重启visual studio。
在这里插入图片描述

2.新建项目

在这里插入图片描述

3.配置项目环境

打开属性管理器，右键添加新项目属性表。
在这里插入图片描述
在这里插入图片描述
编辑包含目录和库目录
包含目录编辑为：

生成的 build 目录\install\include
生成的 build 目录\install\include\opencv2

库目录编辑为：

生成的 build 目录\install\x64\vc15\lib

在这里插入图片描述
编辑包含目录和库目录之后，需要添加附加依赖项，此时需要分别针对 debug 和release两种模式添加。
打开生成的build目录\install\x64\vc15\lib可以发现每个lib文件都有两种，一种是以d.lib结尾，另一种只比前一种少了一个d,只以.lib结尾。debug模式需要d.lib结尾文件，release模式需要.lib结尾文件，任何一种模式配置错误，就不能以该模式运行opencv。
在这里插入图片描述
所以需要在编辑附加依赖项时添加各自需要的文件名。
在这里插入图片描述
在这里插入图片描述
可以通过命令行整理，也可以用下面的：
debug 模式：

opencv_bgsegm340d.lib
opencv_bioinspired340d.lib
opencv_calib3d340d.lib
opencv_ccalib340d.lib
opencv_core340d.lib
opencv_datasets340d.lib
opencv_dnn340d.lib
opencv_dpm340d.lib
opencv_face340d.lib
opencv_features2d340d.lib
opencv_flann340d.lib
opencv_fuzzy340d.lib
opencv_highgui340d.lib
opencv_imgcodecs340d.lib
opencv_imgproc340d.lib
opencv_img_hash340d.lib
opencv_line_descriptor340d.lib
opencv_ml340d.lib
opencv_objdetect340d.lib
opencv_optflow340d.lib
opencv_phase_unwrapping340d.lib
opencv_photo340d.lib
opencv_plot340d.lib
opencv_reg340d.lib
opencv_rgbd340d.lib
opencv_saliency340d.lib
opencv_shape340d.lib
opencv_stereo340d.lib
opencv_stitching340d.lib
opencv_structured_light340d.lib
opencv_superres340d.lib
opencv_surface_matching340d.lib
opencv_text340d.lib
opencv_tracking340d.lib
opencv_video340d.lib
opencv_videoio340d.lib
opencv_videostab340d.lib
opencv_xfeatures2d340d.lib
opencv_ximgproc340d.lib
opencv_xobjdetect340d.lib
opencv_xphoto340d.lib
kernel32.lib
user32.lib
gdi32.lib
winspool.lib
comdlg32.lib
advapi32.lib
shell32.lib
ole32.lib
oleaut32.lib
uuid.lib
odbc32.lib
odbccp32.lib

六、测试

配置完成之后使用以下代码测试（凡涉及到路径的位置注意修改为自己对应的文件路径）：

#include <iostream>
#include <stdio.h>
#include "pch.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 cv::xfeatures2d;
using namespace cv::ml;
using namespace face;

int main()
{
	CascadeClassifier cas("D:\\opencv\\opencv_build\\install\\etc\\haarcascades\\haarcascade_frontalface_alt.xml");    //加载人脸分类器
	Ptr<FaceRecognizer> fc = FisherFaceRecognizer::create(); //早期版本为Ptr<FaceRecognizer> fc =createFisherFaceRecognizer()，这样用会报错
	Mat a1 = imread("D:\\facetest\\train\\Abhishek_Bachan\\1.jpg", CV_LOAD_IMAGE_GRAYSCALE);    //加载用于训练的人脸照片
	Mat a2 = imread("D:\\facetest\\train\\Abhishek_Bachan\\2.jpg", CV_LOAD_IMAGE_GRAYSCALE);
	Mat a3 = imread("D:\\facetest\\train\\Abhishek_Bachan\\3.jpg", CV_LOAD_IMAGE_GRAYSCALE);
	Mat a4 = imread("D:\\facetest\\train\\Abhishek_Bachan\\4.jpg", CV_LOAD_IMAGE_GRAYSCALE);
	Mat a5 = imread("D:\\facetest\\train\\Abhishek_Bachan\\5.jpg", CV_LOAD_IMAGE_GRAYSCALE);
	Mat b1 = imread("D:\\facetest\\train\\Alex_Rodriguez\\1.jpg", CV_LOAD_IMAGE_GRAYSCALE);
	Mat b2 = imread("D:\\facetest\\train\\Alex_Rodriguez\\2.jpg", CV_LOAD_IMAGE_GRAYSCALE);
	Mat b3 = imread("D:\\facetest\\train\\Alex_Rodriguez\\3.jpg", CV_LOAD_IMAGE_GRAYSCALE);
	Mat b4 = imread("D:\\facetest\\train\\Alex_Rodriguez\\4.jpg", CV_LOAD_IMAGE_GRAYSCALE);
	Mat b5 = imread("D:\\facetest\\train\\Alex_Rodriguez\\1.jpg", CV_LOAD_IMAGE_GRAYSCALE);
	Mat c1 = imread("D:\\facetest\\train\\Barack_Obama\\1.jpg", CV_LOAD_IMAGE_GRAYSCALE);
	Mat c2 = imread("D:\\facetest\\train\\Barack_Obama\\2.jpg", CV_LOAD_IMAGE_GRAYSCALE);
	Mat c3 = imread("D:\\facetest\\train\\Barack_Obama\\3.jpg", CV_LOAD_IMAGE_GRAYSCALE);
	Mat c4 = imread("D:\\facetest\\train\\Barack_Obama\\4.jpg", CV_LOAD_IMAGE_GRAYSCALE);
	Mat c5 = imread("D:\\facetest\\train\\Barack_Obama\\5.jpg", CV_LOAD_IMAGE_GRAYSCALE);


	vector<Mat> images;
	vector<int>labels;

	images.push_back(a1);        //照片和标签存入向量里，我了三个人的
	labels.push_back(0);
	images.push_back(a2);
	labels.push_back(0);
	images.push_back(a3);
	labels.push_back(0);
	images.push_back(a4);
	labels.push_back(0);
	images.push_back(a5);
	labels.push_back(0);

	images.push_back(b1);
	labels.push_back(1);
	images.push_back(b2);
	labels.push_back(1);
	images.push_back(b3);
	labels.push_back(1);
	images.push_back(b4);
	labels.push_back(1);
	images.push_back(b5);
	labels.push_back(1);

	images.push_back(c1);
	labels.push_back(2);
	images.push_back(c2);
	labels.push_back(2);
	images.push_back(c3);
	labels.push_back(2);
	images.push_back(c4);
	labels.push_back(2);
	images.push_back(c5);
	labels.push_back(2);

	fc->train(images, labels);    //训练
	VideoCapture cap;
	cap.open(0); //cap.open(0)为调用摄像头，cap.open(1)为加载avi文件，可以自行百度用法
	Mat image;
	vector<Rect> recs;
	Mat test(400, 500, CV_8UC1);
	Mat gray;
	int x = 0, y = 0;

	for (;;)
	{
		cap >> image;
		if (image.empty())
			break;
		cas.detectMultiScale(image, recs, 1.2, 6, 0, Size(50, 50));    //先检测人脸
		for (int i = 0; i < recs.size(); i++)
		{
			rectangle(image, recs[i], Scalar(0, 0, 255));
			x = recs[i].x + recs[i].width / 2;
			y = recs[i].y + recs[i].height / 2;

			Mat roi = image(recs[i]);       //因为我训练的样本是400*500大小，所以需要把摄像头中的人脸区域改为400*500大小
			cvtColor(roi, gray, CV_BGR2GRAY);
			resize(gray, test, Size(400, 500));
			int result = fc->predict(test);
			switch (result)
			{
			case 0:
				putText(image, "zhangsan", Point(recs[i].x, recs[i].y), FONT_HERSHEY_SIMPLEX, 1.5, Scalar(0, 0, 255), 2); break;
			case 1:
				putText(image, "lisi", Point(recs[i].x, recs[i].y), FONT_HERSHEY_SIMPLEX, 1.5, Scalar(0, 0, 255), 2); break;
			case 2:
				putText(image, "caowencai", Point(recs[i].x, recs[i].y), FONT_HERSHEY_SIMPLEX, 1.5, Scalar(0, 0, 255), 2); break;
			}
		}
		imshow("Sample", image);
		if (waitKey(30) >= 0)
			break;
	}

}

效果展示
在这里插入图片描述
参考链接
1.opencv_contrib安装笔记
2.OpenCV 使用FaceRecognizer类来进行人脸识别
3.opencv学习之路（2）、读取视频，读取摄像头

a better world
关注
  • 5
    点赞
  • 踩
  • 48
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
Deeplearning.ai──人脸识别
M&H的博客
06-20 1014
一、什么是人脸识别？ 人脸验证 VS. 人脸识别 Verification：判断face是否为对应人（1:1对应） Recognition：输出face对应人的ID（1:K对应） 　　在人脸验证中，给定两张图片，告诉是否是同一人，最简单的方法就是对两张图片的像素逐个比较，如果他们的距离小于某一阈值，就可以认定为同一人。当然，这种算法表现非常差，因为像素值随着人脸的方向，光照不同甚至头部微小...
OpenCV 入门（五） —— 人脸识别模型训练与 Windows 下的人脸识别
最新发布
tmacfrank的博客
05-04 2951
人脸识别需要人脸模型（特征集合）的支持，人脸定位的速度与准确度取决于模型。OpenCV 提供了已经训练好的模型，无论是 Windows 版本还是 Android 版本的 SDK，都在 etc 目录下提供了两种级联分类器模型：Haarcascades 基于 Haar-like 特征（哈尔特征）的级联分类器。Haar-like 特征是一种基于像素差值的特征描述方法，通过计算图像中不同区域的像素值之和的差异，来捕捉图像中的纹理和形状信息。
基于VS的人脸识别
03-31
人工智能，人脸识别。 人工智能，人脸识别。 人工智能，人脸识别。
VS安装opencv3.4.0和opencv_contrib-3.4.0
a1059682127的博客
11-14 872
vs配置opencv 1、error LNK2019: 无法解析的外部符号 "void __cdecl cv::imshow(class std::basic_string<char,struct std::char_traits<char>,class std::allocator<char> > const &,class cv::_InputA...
人脸识别（初学篇）-VS2015+opencv3.2的配置
weixin_30724853的博客
10-31 249
初学人脸识别，感觉安装也是一个很大的麻烦。 写在这里记录一下吧 一：先安装好我们需要的软件 首先安装Vs2015，在官网或者csdn搜一下应该找的到。 安装步骤没有太多讲究。 点击exe文件，我选择的是默认安装，你也可以自定义安装。 然后在opencv官网安装opencv3.2 然后根据自己所需要的用处选择，我选的是windos 然后就是下载安装包。 解压到你想...
Opencv人脸识别之路（vs2019+Opencv-4.5.2+Opencv_contrib-4.5.2配置）
qq_41663505的博客
04-12 5840
人脸识别导语环境配置系统环境Opencv版本配置前准备开始配置功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 导语 读者你好！ 这可能是你第一次使用 Opencv，下面所展示的内容将会引领你走进Opencv，实现你的所求。 读者你
opencv_contrib3.4.0+vs2017+win10+opencv3.4.0
05-17
本资源提供了预编译的OpenCV 3.4.0及其扩展模块opencv_contrib 3.4.0，适用于Visual Studio 2017（VS2017）开发环境，并且兼容Windows 10操作系统。 OpenCV 3.4.0是该库的一个稳定版本，它引入了许多改进和新功能，...
基于vs2017+opencv3.4.0的meanshift目标跟踪（半自动）
07-26
对于vs2017+opencv3.4.0的客官们，此代码可以用于进行meanshift算法进行半自动目标跟踪，对于全自动的和多目标的目标跟踪，目前还在学习阶段，以后再上传
Android+OpenCV+人脸识别源码（完整）
08-05
这个“Android+OpenCV+人脸识别源码（完整）”项目，正是一个整合了Android与OpenCV的示例，用于在Android设备上实时检测和识别人脸。 首先，OpenCV（开源计算机视觉库）是这个项目的核心组件。它是一个跨平台的库...
基于ubuntu+qt+opencv的人脸识别源码
07-21
基于ubuntu+qt+opencv的人脸识别源码，实现基于qt+opencv的人脸识别代码，输入人脸、训练、识别人脸。Qt和opencv配置好后，打开该工程，将pro中opencv路径改成自己的就直接能用，代码有注释，用的是分类器，具体自己...
人脸识别，基于VS+openCV
04-01
这是基于V+openCV的人脸识别系统，希望能对大家有帮助。
springboot +opencv 人脸识别
04-01
在本项目中，"SpringBoot + OpenCV 人脸识别" 是一个结合了现代Java Web开发框架Spring Boot和开源计算机视觉库OpenCV的人脸识别系统。这个系统利用OpenCV强大的图像处理和机器学习能力，通过SpringBoot的后端服务...
人脸识别代码完整版--VS+OPENCV2.4版本
weixin_38671006的博客
07-09 2680
转载自https://blog.csdn.net/xingchenbingbuyu/article/details/51407336；本人理解之后 再次加工体会得到的； 首先在Visio Studio配置opencv2版本，相信看到这篇博客的都已经会配置了； 开始搭建工程--VS新建项目--win32位控制台应用程序--空白项--- 将待训练的模型图片的路径保存到txt文本文件内，加...
基于VS2019的C++人脸识别libfacedetection-master数据库的配置
智能码农的博客
07-07 883
基于VS2019的C++人脸识别 libfacedetection-master数据库的配置
opencv实现人脸识别(c++实现)
热门推荐
new9232的博客
10-14 1万+
本文章基于opencv + VS2015实现人脸识别。可对人脸，眼睛，嘴部进行识别。
opencv 09 人脸分类模型训练验证(facerec_demo) vs2015
一朵花开的时间
10-12 802
01 资源OpenCV自带的人脸识别分类demo。这个demo在opencv_contrib中；opencv_contrib\modules\face\samples\facerec_demo.cpp。facerec_demo.cpp对给定的人脸图像和标签进行训练，得到模型，并使用一个图像做测试。 这个测试用例需要下载资源图片，并且自己编辑label对应的csv文件。 图片文件(http://w
使用C++和OpenCV进行人脸识别，包含模型训练与调用过程
qq_46017342的博客
05-13 9029
使用C++和OpenCV进行人脸识别，包含模型训练与调用过程
在Visual Studio上，使用OpenCV实现人脸识别
朱豪凯的博客
08-14 4770
本文介绍了如何在Visual Studio上，使用OpenCV来实现人脸识别的功能
基于seetaface+vs2017+qt的人脸识别
12-17
SeetaFace是一个基于深度学习技术开发的人脸识别库，适用于C++、Python和Java等多种编程语言，它具有高效的人脸检测和关键点定位功能。 在vs2017和Qt环境中使用SeetaFace进行人脸识别的步骤如下： 1. 首先，需要下载并配置好SeetaFace的库文件和模型文件。可以从SeetaFace的官方网站上下载最新版本的库文件和模型文件。 2. 在Qt项目中，将SeetaFace的库文件添加到项目中，并配置好相关的头文件路径和库文件路径。在vs2017中，需要设置链接器的附加依赖项。 3. 在Qt项目中，创建一个窗口界面用于展示人脸识别结果。可以使用Qt提供的控件，如QLabel来显示人脸图像和标识出人脸位置。 4. 编写代码，调用SeetaFace的人脸检测和关键点定位接口，将人脸图像输入到SeetaFace中进行处理。可以使用OpenCV等库来读取和处理图像。 5. 根据SeetaFace返回的人脸信息，可以在界面中显示人脸位置并标识关键点，如眼睛、鼻子和嘴巴等。 6. 根据识别的结果，可以将人脸识别的数据存储或用于其他特定的应用，如人脸比对、人脸验证等。 总的来说，基于SeetaFace的人脸识别在vs2017和Qt环境中的使用需要进行适当的配置和调用相关接口，可以通过读取图像数据并处理，然后展示识别结果。这样可以实现基本的人脸检测和关键点定位功能，并且可以根据需要进行二次开发和扩展。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值