opencv 人脸识别 （二）训练和识别

上一篇中我们对训练数据做了一些预处理，检测出人脸并保存在\pic\color\x文件夹下（x=1,2,3,...类别号），本文做训练和识别。为了识别，首先将人脸训练数据 转为灰度、对齐、归一化，再放入分类器（EigenFaceRecognizer）,最后用训练出的model进行predict。

-----------------------------------------

环境：vs2010+opencv 2.4.6.0

特征：eigenface

Input：一个人脸数据库，15个人，每人20个样本（左右）。

Output：人脸检测，并识别出每张检测到的人脸。

-----------------------------------------

1. 为训练数据预处理（ 转为灰度、对齐、归一化 ）

• 转为灰度和对齐是后面做训练时EigenFaceRecognizer的要求；
• 归一化是防止光照带来的影响

在上一篇的 2.2 Prehelper.cpp文件中加入函数

void resizeandtogray(char* dir,int k,  vector<Mat> &images, vector<int> &labels,
vector<Mat> &testimages, vector<int> &testlabels);

1. void resizeandtogray(char* dir,int K, vector<Mat> &images, vector<int> &labels,
2. vector<Mat> &testimages, vector<int> &testlabels)
3. {
4. IplImage* standard = cvLoadImage("D:\\privacy\\picture\\photo\\2.jpg",CV_LOAD_IMAGE_GRAYSCALE);
5. string cur_dir;
6. char id[5];
7. int i,j;
8. for(int i=1; i<=K; i++)
9. {
10. cur_dir = dir;
11. cur_dir.append("gray\\");
12. _itoa(i,id,10);
13. cur_dir.append(id);
14. const char* dd = cur_dir.c_str();
15. CStatDir statdir;
16. if (!statdir.SetInitDir(dd))
17. {
18. puts("Dir not exist");
19. return;
20. }
21. cout<<"Processing samples in Class "<<i<<endl;
22. vector<char*>file_vec = statdir.BeginBrowseFilenames("*.*");
23. for (j=0;j<file_vec.size();j++)
24. {
25. IplImage* cur_img = cvLoadImage(file_vec[j],CV_LOAD_IMAGE_GRAYSCALE);
26. cvResize(cur_img,standard,CV_INTER_AREA);
27. Mat cur_mat = cvarrToMat(standard,true),des_mat;
28. cv::normalize(cur_mat,des_mat,0, 255, NORM_MINMAX, CV_8UC1);
29. cvSaveImage(file_vec[j],cvCloneImage(&(IplImage) des_mat));
30. if(j!=file_vec.size())
31. {
32. images.push_back(des_mat);
33. labels.push_back(i);
34. }
35. else
36. {
37. testimages.push_back(des_mat);
38. testlabels.push_back(i);
39. }
40. }
41. cout<<file_vec.size()<<" images."<<endl;
42. }
43. }

并在main中调用：

1. int main( )
2. {
3. CvCapture* capture = 0;
4. Mat frame, frameCopy, image;
5. string inputName;
6. int mode;
7. char dir[256] = "D:\\Courses\\CV\\Face_recognition\\pic\\";
8. //preprocess_trainingdata(dir,K); //face_detection and extract to file
9. vector<Mat> images,testimages;
10. vector<int> labels,testlabels;
11. resizeandtogray(dir,K,images,labels,testimages,testlabels); //togray, normalize and resize
12. system("pause");
13. return 0;
14. }

2. 训练

有了vector<Mat> images,testimages; vector<int> labels,testlabels; 可以开始训练了，我们采用EigenFaceRecognizer建模。

在Prehelper.cpp中加入函数

Ptr<FaceRecognizer> Recognition(vector<Mat> images, vector<int> labels,vector<Mat> testimages, vector<int> testlabels)；

1. Ptr<FaceRecognizer> Recognition(vector<Mat> images, vector<int> labels,
2. vector<Mat> testimages, vector<int> testlabels)
3. {
4. Ptr<FaceRecognizer> model = createEigenFaceRecognizer(10);//10 Principal components
5. cout<<"train"<<endl;
6. model->train(images,labels);
7. int i,acc=0,predict_l;
8. for (i=0;i<testimages.size();i++)
9. {
10. predict_l = model->predict(testimages[i]);
11. if(predict_l != testlabels[i])
12. {
13. cout<<"An error in recognition: sample "<<i+1<<", predict "<<
14. predict_l<<", groundtruth "<<testlabels[i]<<endl;
15. imshow("error 1",testimages[i]);
16. waitKey();
17. }
18. else
19. acc++;
20. }
21. cout<<"Recognition Rate: "<<acc*1.0/testimages.size()<<endl;
22. return model;
23. }

Recognization()输出分错的样本和正确率，最后返回建模结果Ptr<FaceRecognizer> model

主函数改为：

1. int main( )
2. {
3. CvCapture* capture = 0;
4. Mat frame, frameCopy, image;
5. string inputName;
6. int mode;
7. char dir[256] = "D:\\Courses\\CV\\Face_recognition\\pic\\";
8. //preprocess_trainingdata(dir,K); //face_detection and extract to file
9. vector<Mat> images,testimages;
10. vector<int> labels,testlabels;
11. //togray, normalize and resize; load to images,labels,testimages,testlabels
12. resizeandtogray(dir,K,images,labels,testimages,testlabels);
13. //recognition
14. Ptr<FaceRecognizer> model = Recognition(images,labels,testimages,testlabels);
15. char* dirmodel = new char [256];
16. strcpy(dirmodel,dir); strcat(dirmodel,"model.out");
17. FILE* f = fopen(dirmodel,"w");
18. fwrite(model,sizeof(model),1,f);
19. system("pause");
20. return 0;
21. }

最终结果：一个错分样本，正确率93.3%

文章所用代码打包链接：http://download.csdn.net/detail/abcjennifer/7047853

from: http://blog.csdn.net/abcjennifer/article/details/20446077