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 &images, vector &labels,
vector &testimages, vector &testlabels);

void resizeandtogray(char* dir,int K, vector &images, vector &labels,
	vector &testimages, vector &testlabels)
{
	IplImage* standard = cvLoadImage("D:\\privacy\\picture\\photo\\2.jpg",CV_LOAD_IMAGE_GRAYSCALE);
	string cur_dir;
	char id[5];
	int i,j;
	for(int i=1; i<=K; i++)
	{
		cur_dir = dir;
		cur_dir.append("gray\\");	
		_itoa(i,id,10);
		cur_dir.append(id);
		const char* dd = cur_dir.c_str();
		CStatDir statdir;
		if (!statdir.SetInitDir(dd))
		{
			puts("Dir not exist");
			return;
		}
		cout<<"Processing samples in Class "<file_vec = statdir.BeginBrowseFilenames("*.*");
		for (j=0;j

并在main中调用：

int main( )
{
	CvCapture* capture = 0;
	Mat frame, frameCopy, image;
	string inputName;	
	int mode;

	char dir[256] = "D:\\Courses\\CV\\Face_recognition\\pic\\"; 
	//preprocess_trainingdata(dir,K); //face_detection and extract to file
	vector images,testimages;
	vector labels,testlabels;
	resizeandtogray(dir,K,images,labels,testimages,testlabels); //togray, normalize and resize
	
	system("pause");
	return 0;
}

2. 训练

有了vector images,testimages; vector 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 Recognition(vector images, vector labels,vector testimages, vector testlabels)；

Ptr Recognition(vector images, vector labels,
	vector testimages, vector testlabels)
{
	Ptr model = createEigenFaceRecognizer(10);//10 Principal components
	cout<<"train"<train(images,labels);
	int i,acc=0,predict_l;
	for (i=0;ipredict(testimages[i]);
		if(predict_l != testlabels[i])
		{
			cout<<"An error in recognition: sample "<

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

主函数改为：

int main( )
{
	CvCapture* capture = 0;
	Mat frame, frameCopy, image;
	string inputName;	
	int mode;

	char dir[256] = "D:\\Courses\\CV\\Face_recognition\\pic\\"; 
	//preprocess_trainingdata(dir,K); //face_detection and extract to file
	vector images,testimages;
	vector labels,testlabels;
	//togray, normalize and resize; load to images,labels,testimages,testlabels
	resizeandtogray(dir,K,images,labels,testimages,testlabels); 
	//recognition
	Ptr model = Recognition(images,labels,testimages,testlabels);
	char* dirmodel = new char [256];
	strcpy(dirmodel,dir); strcat(dirmodel,"model.out");
	FILE* f = fopen(dirmodel,"w");
	fwrite(model,sizeof(model),1,f);
	system("pause");
	return 0;
}

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

关于Computer Vision更多的学习资料将继续更新，敬请关注本博客和新浪微博Rachel Zhang。