基于PCA算法的人脸识别制作自己的样本实现识别自己的人脸

 之前的刚学习OpenCV的时候，对人脸识别感兴趣，觉得能够实现识别自己的脸感觉很棒。通过一段时间的学习之后，发现其实并不难。网上较多的都是PCA算法的人脸识别，这是相对来说比较老的算法了，多数的东西OpenCV都是自带的，借助该算法来学习也比较方便。

下面来具体说一下从制作样本到训练样本，再到最后调用摄像头识别自己人脸的整个过程。

1.图像的采集及预处理

要想识别指定的人，则需要将被识别人的照片做成数据集，也就是训练模型。传统获得照片的途径就是通过手机拍照、自拍。一个人需要20张不同角度和表情的照片，要实现几个人的训练模型，手机拍照显得比较麻烦，而且效果不佳，倒不如通过电脑摄像头实现。通过查阅资料，利用OpenCV写了一个拍照的小程序，并将图片提前进行了灰度处理以及中值滤波处理。然后将图片缩小到指定的120*120的大小，拍出来的照片能达到样本级的水平，省去了很多二次处理的过程。

代码如下：

#include <opencv2\opencv.hpp>

using namespace cv;

int main()
{
	VideoCapture cap(0);
	Mat frame;
	int i=0;
	while (1)  
    {  
            char key = waitKey(100);  
            cap >> frame;
			imshow("frame", frame);
			Mat out;
			Mat out1;
			Mat out2;
			cvtColor(frame, out1, CV_BGR2GRAY);//灰度化
			medianBlur(out1,out,7);//中值滤波
			 resize(out, out2, Size(120, 120));//尺寸缩减
            imshow("out", out2);
            string filename = format("D:\\pic\\pic%d.jpg", i);//存入文件路径  
            switch (key)  
            {  
            case'p':  //按'P'拍照
                i++;  
                imwrite(filename, out2);  
                imshow("photo", out2);  
                waitKey(500);  
                destroyWindow("photo");
                break; 	
            default:  
                break;  
            }  
	}
}

这样得到的图片已经是经过处理之后的，可以当做样本使用。效果如图所示：

这样初步的样本就制作好了。

2.csv文件的生成

当我们写人脸模型的训练程序的时候，我们需要读取人脸和人脸对应的标签。直接在数据库中读取显然是低效的。所以我们用csv文件读取。csv文件中包含两方面的内容，一是