Opencv摄像头实时人脸识别
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
Opencv摄像头实时人脸识别
Introduction
网上存在很多人脸识别的文章,这篇文章是我的一个作业,重在通过摄像头实时采集人脸信息,进行人脸检测和人脸识别,并将识别结果显示在左上角。
利用OpenCV 实现一个实时的人脸识别系统,人脸库采用ORL FaceDatabase (网上下载) ,另外在数据库中增加了作业中自带的20张照片和自己利用摄像头采集到的10张照片,系统利用摄像头实时的采集到场景图像,从中检测出人脸用方框标出,并利用提供的数据库进行人脸识别,并在图像左上角显示相匹配的数据库图片。
Method
算法流程分两步,分别是人脸检测和人脸识别。人脸检测使用的是ViolaJones 人脸检测方法,利用样本的Haar-like 特征进行分类器训练,得到级联boosted 分类器,加载训练好的人脸分类器,利用分类器在视频帧中查找人脸区域;人脸识别利用了局部二进制模式直方图。
Haar-like 特征
Haar-like 特征如下图所示
图1 Haar-like 特征
LBPH
人脸识别常用的方法有三种,Eigenfaces、Fisherfaces 和LBPH;对于高维的图像空间,我们首先应该进行降维操作。LBP 不把图像看做高维的矢量,而是通过物体的局部特征来描述。将每个像素和其相邻像素对比形成局部的结构,把该像素看做中心,并以该值对邻接像素做阈值处理,如果临界像素的亮度大于该像素则为1 否则为0,这样每个像素点都可以用一个二进制数来表示,比如一个使用3*3 临界点的LBP 操作如下图所示:
图2 LBP
Implementation识别训练
利用准备好的数据库进行识别训练:首先我们利用Opencv 安装文件中的python脚本create_csv.py建立CSV文件,文件中每条记录如:orl/s13/2.pgm;12,分号之前是图片所存路径,而分号之后是图片的标签号,每一组图片对应着唯一的标签号;之后利用代码中的train_data和read_csv函数对数据集进行训练。使用到的OpenCV 类和函数有:FaceRecognizer,createLBPHFaceRecognizer
人脸检测
运用Opencv安装文件中的haarcascade_frontalface_alt.xml文
件,使用分类器在视频帧中查找人脸区域,并用绿色方框标出。用到的OpenCV 类和函数有:
CascadeClassifier,detectMultiScale。
人脸识别
读取训练好的yaml文件,对每个监测到的区域的图像分类,并在视频帧人脸区域上方显示分类结果(分类结果显示为标签和可信度),在左上角显示缩略图。用到的OpenCV 函数主要有:predict.
Code
1 /*头文件:*/
2 #include "opencv2/core/core.hpp"
3 #include "opencv2/contrib/contrib.hpp"
4 #include "opencv2/highgui/highgui.hpp"
5 #include "opencv2/imgproc/imgproc.hpp"
6 #include "opencv2/objdetect/objdetect.hpp"
7
8 #include <iostream>
9 #include <fstream>
10 #include <sstream>
11 #include <string.h>
12
13 char *FACES_TXT_PATH = "face.txt";
14 char *HARR_XML_PATH =
"haarcascade_frontalface_alt.xml";
15 char *FACES_MODEL = "face.yaml";
16 char *POTRAITS ="potraits.jpg";
17 int DEVICE_ID = 0;
18
19 /*主文件*/
20 #include "config.h"
21
22 using namespace cv;
23 using namespace std;
24 int FACE_WIDHT=92;
25 int FACE_HEIGHT=112;
26 int POTRITE_WIDTH = 100;
27 int POTRITE_HEIGHT = 100;
28
29 static void read_csv(const string& filename, vector<Mat>& images, vector<int>& labels, char separator = ';') {
30 std::ifstream file(filename.c_str(), ifstream::in);
31 if (!file) {
32 string error_message = "找不到文件,请核对路径";
33 CV_Error(CV_StsBadArg, error_message);
34 }
35 string line, path, classlabel;
36 while (getline(file, line)) {
37 stringstream liness(line);
38 getline(liness, path, separator);
39 getline(liness, classlabel);
40 if(!path.empty()
&& !classlabel.empty()) {
41 images.push_back(imread(path, 0));
42 labels.push_back(atoi(classlabel.c_str()));
43 }
44 }
45
46 }
47
48 /*利用csv文件读取数据集并训练对应模型*/
49 void train_data(String fn_csv)
50 {
51 vector<Mat> images;