小小詹同学

desehawk · 发表于 2018-5-3 16:57:19

人脸识别（二）——训练分类器

上一篇简单整理了下人脸识别的相关基础知识，这一篇将着重介绍利用pencv（2.4.9）已有的模型进行分类器训练。

一、关于ORL人脸数据库

ORL是一个40个人，每人采取10张人脸头像构成的一个人脸数据库，尺寸全部为92*112。分为40个文件夹，即每个文件夹中包含有10张人脸照片，为pgm格式。

其中s41为拍好并处理好的自己人脸图像。

值得一提的是，图片为pgm格式，许多软件无法读取，但是别忘了我们的opencv可是图片处理能力十分强大的噢！如果想看下这些人脸图是怎样的，可以使用opencv的imshow函数进行读取哦……

更多参考原文

desehawk · 发表于 2018-5-3 16:58:24

人脸识别（三）——源码放送

人脸识别相关的基本原理和流程，以及各个步骤的介绍和代码前两篇都有介绍，其实可以通过前两篇自行整合出完整的人脸识别源码，并且适当修改可以实现MFC程序实现。这里为方便像我这样刚入门的新手学习，进行整合并将项目源码给出（包括ORL人脸库，40*10，需要自己添加进自己的人脸数据）

首先是开启摄像头；然后加载人脸检测器，加载人脸模型；利用加载的模型进行人脸检测；将检测到的人脸处理成符合条件的一致格式，并与训练好的人脸分类模型内人脸进行对比，找出对应谁的人脸；如果预测结果是41（即为自己），则显示“dashuaibi”，否则显示“dachoubi”……（just kidding~）

下面给出程序运行结果：

1.单文档程序

2.MFC程序

更多参考原文

desehawk · 发表于 2018-5-3 17:00:15

Python系列之三——人脸检测、人脸识别

之前有利用C++和OpenCv写过人脸识别的系列文章，对于人脸识别的基本理解和步骤流程等基本知识不做反复叙述。比詹小白还要白的童鞋可以查看往期文章进行了解噢

1.人脸识别（一）——从零说起

2.人脸识别（二）——训练分类器

3.人脸识别（二）——训练分类器的补充说明

4.人脸识别（三）——源码放送

一、人脸检测

python版人脸检测基本上可以参照C++版本的程序，根据语法不同进行改写即可。

1.输入为包含人脸的图片时

这种情况较为简单，只是直接使用了opencv库的训练好的人脸检测模型~其代码如下所示：（具体函数和方法和c++情况下一样，不反复叙述）

1#encoding=utf-8 2import cv2 3import numpy 4face_patterns = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') #加载分类器，在opencv库内 5sample_image = cv2.imread('image4.jpg') #这里是当输入为图片而不是摄像头采集时 6faces = face_patterns.detectMultiScale(sample_image,scaleFactor=1.1,minNeighbors=5,minSize=(80, 80)) 7for (x, y, w, h) in faces: 8 cv2.rectangle(sample_image, (x, y), (x+w, y+h), (0, 255, 0), 2) 9cv2.imshow('face', sample_image);10cv2.waitKey(0)11cv2.destroyAllWindows()

程序将图像中的人脸检测出来并框出来。运行结果如下所示：

更多参考原文