C++ 人脸识别系统的浅理解

机器学习

• 机器学习的目的是把数据转换成信息。
• 机器学习通过从数据里提取规则或模式来把数据转成信息。

人脸识别

• 人脸识别通过级联分类器对特征的分级筛选来确定是否是人脸。
• 每个节点的正确识别率很高，但正确拒绝率很低。
• 任一节点判断没有人脸特征则结束运算，宣布不是人脸。
• 全部节点通过，则宣布是人脸。

工业上，常用人脸识别技术来识别物体。

基于深度学习的人脸识别系统，一共用到5个开源库：OpenCV（计算机视觉库）、Caffe（深度学习库）、Dlib（机器学习库）、libfacedetection（人脸检测库）、cudnn（gpu加速器）。

用到一个开源的深度学习模型：VGG model。

 #include "opencv2/core/core.hpp"
 #include "opencv2/objdetect/objdetect.hpp"
 #include "opencv2/highgui/highgui.hpp"
 #include "opencv2/imgproc/imgproc.hpp"

 #include <iostream>
 #include <stdio.h>

 using namespace std;
 using namespace cv;

 string face_cascade_name = "haarcascade_frontalface_alt.xml";
 CascadeClassifier face_cascade;
 string window_name = "人脸识别";

 void detectAndDisplay( Mat frame );

 int main( int argc, char** argv ){
     Mat image;
     image = imread( argv[]);

     if( argc !=  || !image.data ){
         printf("[error] 没有图片\n");
         return -;
     }

     if( !face_cascade.load( face_cascade_name ) ){
         printf("[error] 无法加载级联分类器文件！\n");
         return -;
     }

     detectAndDisplay(image);

     waitKey();
 }

 void detectAndDisplay( Mat frame ){
     std::vector<Rect> faces;
     Mat frame_gray;

     cvtColor( frame, frame_gray, CV_BGR2GRAY );
     equalizeHist( frame_gray, frame_gray );

     face_cascade.detectMultiScale( frame_gray, faces, 1.1, , |CV_HAAR_SCALE_IMAGE, Size(, ) );

     for( int i = ; i < faces.size(); i++ ){
         Point center( faces[i].x + faces[i].width*0.5, faces[i].y + faces[i].height*0.5 );
         ellipse( frame, center, Size( faces[i].width*0.5, faces[i].height*0.5), , , , Scalar( , ,  ), , ,  );
     }

     imshow( window_name, frame );
 }

初次接触人脸识别编程，感谢一位博主的文章给的参考...https://www.cnblogs.com/justany/archive/2012/11/22/2781552.html

这篇文章讲的比较透彻