【大联大友尚安森美数字图像传感器】openCV人脸识别和考勤软件

楼主

人丑多读书

18 主题
27 帖子
1233 积分

身份：LV4 高级技术员

E币：448

发消息

 3639

 2

发表于 2021-8-31 22:01:44

显示全部楼层

【大联大友尚安森美数字图像传感器】openCV人脸识别和考勤软件

昨天我们已经利用QT+openCV打开了摄像头传感器，接下来就是使用openCV识别人脸，进行人脸检测了。

本项目使用的是别人开源的一个历程，我在我的电脑上搭建了环境进行了测试，这里把我自己的流程先说明一下。

用QT调用openCV的库一般是先编译，主要使用的是cmake进行编译。

也可以使用别人编译好的库进行测试。CMAKE主要就是需要把自己QT中使用的mingw编译工具来进行编译。

可以看到我们是有很多的编译器的，可以自己选择，这里我用别人开源的项目，所以里面也直接有编译好的库文件。我们直接解压到D盘即可。

同时需要添加一个PATH环境变量，不然会导致程序异常，运行不起来。

在工程的pro文件中加入这个环境路径

接下来的构建和运行需要选择MinGW64,因为库是64位的，32位编译也会出现问题。

在openCV中我们需要使用各种训练模型，有了训练模型我们可以很方便的实现人脸检测。

这个是我们本次识别用到的训练文件，需要放到我们可执行程序下。

然后是人脸识别的分类器，我们不同人脸之间也需要区分。所以我们通过一个外部程序训练了三种不同分类器的人脸分类库。

//读取你的CSV文件路径.
//string fn_csv = string(argv[1]);
string fn_csv = "F:\\video\\ccc\\at.txt";
// 2个容器来存放图像数据和对应的标签
vector<Mat> images;
vector<int> labels;
// 读取数据. 如果文件不合法就会出错
// 输入的文件名已经有了.
try
{
read_csv(fn_csv, images, labels); //从csv文件中批量读取训练数据
}
catch (cv::Exception& e)
{
cerr << "Error opening file "" << fn_csv << "". Reason: " << e.msg << endl;
// 文件有问题，我们啥也做不了了，退出了
exit(1);
}
// 如果没有读取到足够图片，也退出.
if (images.size() <= 1) {
string error_message = "This demo needs at least 2 images to work. Please add more images to your data set!";
CV_Error(CV_StsError, error_message);
}
for (int i = 0; i < images.size(); i++)
{
//cout<<images.size();
if (images[i].size() != Size(92, 112))
{
cout << i << endl;
cout << images[i].size() << endl;
}
}
// 下面的几行代码仅仅是从你的数据集中移除最后一张图片，作为测试图片
//[gm:自然这里需要根据自己的需要修改，他这里简化了很多问题]
Mat testSample = images[images.size() - 1];
int testLabel = labels[labels.size() - 1];
images.pop_back();//删除最后一张照片，此照片作为测试图片
labels.pop_back();//删除最有一张照片的labels
// 下面几行创建了一个特征脸模型用于人脸识别，
// 通过CSV文件读取的图像和标签训练它。
// T这里是一个完整的PCA变换
//如果你只想保留10个主成分，使用如下代码
// cv::createEigenFaceRecognizer(10);
//
// 如果你还希望使用置信度阈值来初始化，使用以下语句：
// cv::createEigenFaceRecognizer(10, 123.0);
//
// 如果你使用所有特征并且使用一个阈值，使用以下语句：
// cv::createEigenFaceRecognizer(0, 123.0);
//创建一个PCA人脸分类器，暂时命名为model吧，创建完成后
//调用其中的成员函数train()来完成分类器的训练
Ptr<face::BasicFaceRecognizer> model = face::EigenFaceRecognizer::create();
model->train(images, labels);
model->save("MyFacePCAModel.xml");//保存路径可自己设置，但注意用“\\”
Ptr<face::BasicFaceRecognizer> model1 = face::FisherFaceRecognizer::create();
model1->train(images, labels);
model1->save("MyFaceFisherModel.xml");
Ptr<face::LBPHFaceRecognizer> model2 = face::LBPHFaceRecognizer::create();
model2->train(images, labels);
model2->save("MyFaceLBPHModel.xml");
// 下面对测试图像进行预测，predictedLabel是预测标签结果
//注意predict()入口参数必须为单通道灰度图像，如果图像类型不符，需要先进行转换
//predict()函数返回一个整形变量作为识别标签
int predictedLabel = model->predict(testSample);//加载分类器
int predictedLabel1 = model1->predict(testSample);
int predictedLabel2 = model2->predict(testSample);
// 还有一种调用方式，可以获取结果同时得到阈值:
// int predictedLabel = -1;
// double confidence = 0.0;
// model->predict(testSample, predictedLabel, confidence);
string result_message = format("Predicted class = %d / Actual class = %d.", predictedLabel, testLabel);
string result_message1 = format("Predicted class = %d / Actual class = %d.", predictedLabel1, testLabel);
string result_message2 = format("Predicted class = %d / Actual class = %d.", predictedLabel2, testLabel);
cout << result_message << endl;
cout << result_message1 << endl;
cout << result_message2 << endl;
getchar();
//waitKey(0);
return 0;