OpenCV人脸识别之三:识别自己的脸

本系列人脸识别文章用的是opencv2,最新版的opencv3.2的代码请参考文章:

OpenCV之识别自己的脸——C++源码放送(请在上一篇文章末尾查看)

在之前《OpenCV人脸识别之一:数据收集和预处理》《OpenCV人脸识别之二:模型训练》两篇博客中,已经把人脸识别的整个流程全部交代清楚了。包括今天这篇人脸识别方面的内容都已经在上述第二篇博客中的代码中有所体现。只是今天的内容会让结果更加的形象化。仅此而已。可以说,本篇的内容是前面诸多内容的一个整合。所以今天的内容也很简洁。

简单说下流程

1、打开摄像头。

2、加载人脸检测器,加载人脸模型。

3、人脸检测

4、把检测到的人脸与人脸模型里面的对比,找出这是谁的脸。

5、如果人脸是自己的,显示自己的名字。

代码

#include<opencv2\opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
int main()
{     
VideoCapture cap(0);    
//打开默认摄像头     
if (!cap.isOpened())     
{         
return -1;    
 }     
Mat frame;     
Mat edges;    
 Mat gray;     
CascadeClassifier cascade;     
bool stop = false;     
//训练好的文件名称,放置在可执行文件同目录下     cascade.load("haarcascade_frontalface_alt.xml");     
Ptr<FaceRecognizer> modelPCA = createEigenFaceRecognizer();     
modelPCA->load("MyFacePCAModel.xml");     
while (!stop)     
{         
cap >> frame;         
//建立用于存放人脸的向量容器        
vector<Rect> faces(0);         
cvtColor(frame, gray, CV_BGR2GRAY);         
//改变图像大小,使用双线性差值         
//resize(gray, smallImg, smallImg.size(), 0, 0, INTER_LINEAR);         
//变换后的图像进行直方图均值化处理         
equalizeHist(gray, gray);         
cascade.detectMultiScale(gray, faces,             
1.1, 2, 0            
 //|CV_HAAR_FIND_BIGGEST_OBJECT             
//|CV_HAAR_DO_ROUGH_SEARCH            
 | CV_HAAR_SCALE_IMAGE,             
Size(30, 30));         
Mat face;         
Point text_lb;        
 for (size_t i = 0; i < faces.size(); i++)         
{            
 if (faces[i].height > 0 && faces[i].width > 0)            
 {                 
face = gray(faces[i]);                 
text_lb = Point(faces[i].x, faces[i].y);                 
rectangle(frame, faces[i], Scalar(255, 0, 0), 1, 8, 0);             
}         
}         
Mat face_test;        
 int predictPCA = 0;         
if (face.rows >= 120)         
{            
 resize(face, face_test, Size(92, 112));         
}         
//Mat face_test_gray;         
//cvtColor(face_test, face_test_gray, CV_BGR2GRAY);         
if (!face_test.empty())        
{            
 //测试图像应该是灰度图             
predictPCA = modelPCA->predict(face_test);         
}         
cout << predictPCA << endl;        
 if (predictPCA == 40)        
 {             
string name = "LiuXiaoLong";            
 putText(frame, name, text_lb, FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255));        
 }         
imshow("face", frame);
if (waitKey(50) >= 0)             
stop = true;     
}     
return 0;
 }

效果图:

原文发布于微信公众号 - 人工智能LeadAI(atleadai)

原文发表时间:2017-11-22

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人工智能LeadAI

深度学习与TensorFlow:VGG论文复现

上一篇文章我们介绍了下VGG这一个经典的深度学习模型,今天便让我们通过使用VGG开源的VGG16模型去复现一下该论文.

1003
来自专栏和蔼的张星的图像处理专栏

5. 小项目之Face_detection

想做的是这么一个东西:识别视频(或者摄像头获得的实时视频)中的人脸,并判断是谁(因为数据采集的原因,找了身边的5个朋友采集了一些数据),如果不是这几个人,标记为...

752
来自专栏大数据挖掘DT机器学习

Tensorflow:基于LSTM轻松生成各种古诗

RNN不像传统的神经网络-它们的输出输出是固定的,而RNN允许我们输入输出向量序列。RNN是为了对序列数据进行建模而产生的。 样本序列性:样本间存在顺序关系,...

3676
来自专栏逍遥剑客的游戏开发

Direct3D学习(一):3D Sierpinski镂垫绘制

1849
来自专栏alexqdjay

基于Tensorflow的验证码识别

39610
来自专栏图形学与OpenGL

实验四 二维几何变换

532
来自专栏AI研习社

实时识别字母:深度学习和 OpenCV 应用搭建实用教程

这是一个关于如何构建深度学习应用程序的教程,该应用程序可以实时识别由感兴趣的对象(在这个案例中为瓶盖)写出的字母。

591
来自专栏MelonTeam专栏

全卷积神经网络 fcn 学习笔记

导语: 前段时间学习了一下全卷积神经网络fcn,现以笔记的形式总结学习的过程。主要包括四个部分: (1)caffe框架的搭建;(2)fcn原理介绍;(3)分析具...

4586
来自专栏有趣的Python

16- 深度学习之神经网络核心原理与算法-caffe&keras框架图片分类

1894
来自专栏用户2442861的专栏

python mnist数据导入以及处理

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/haluoluo211/article/d...

1002

扫码关注云+社区