基於Opencv的人臉檢測及識別

 

一、實驗目的：我這里完成的是，將8張人臉圖片(4組，每組兩張）存入庫中，選取1張圖片，程序識別出與其匹配的另一張。

這里介紹分三個步驟完成該工作，①程序讀取攝像頭、拍照

  　　　　　　　　　　　　　　 ②程序從電腦文檔中讀取圖片

　　　　　　　　　　　　　　   ③檢測人臉，並用紅框框出人臉

                                                    ④使用感知哈希算法匹配最相似的圖片

 

二、實驗環境： Win 7(x64)、visual studio 2010、openCV-2.4.3

使用語言:C++

三、實驗准備：①安裝好vs2010,本文不予介紹。

 　　　　　  ②配置opencv :

　　1'進入官網下載http://opencv.org/  (OpenCv 2.4x是支持Vs2010的，建議根據自己的Vs版本安裝相應的OpenCv的版本)解壓后，目錄如下：

　　2'打開vs2010,創建項目，這里以我的工程名test為例。右擊項目->屬性->vc++目錄->包含目錄， 添加三個路徑：（在解壓后opencv下的build目錄）

                                               E:\新建文件夾\opencv\build\include

                                               E:\新建文件夾\opencv\build\include\opencv

                                               E:\新建文件夾\opencv\build\include\opencv2

 

然后點擊庫目錄，添加路徑：E:\新建文件夾\opencv\build\x86\vc10\lib

 

 

配置好了后，第二步，點擊鏈接器->輸入->附加依賴項,編輯添加，把E:\新建文件夾\opencv\build\x86\vc10\bin里面左右的文件名稱全導入進去,導入帶d的文件，比如有opencv_calib3d243.dll與opencv_calib3d243d.dll文件，只需添加后者帶d的即可。

 

至此，openCV配置已經全部完成。接下來編寫代碼。

四、編寫代碼

①為了收集圖片庫，我編寫了直接拍照的功能，按下p進行拍照，並自動命名排序存到文件中。

#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
using namespace cv;
int main( int argc, char** argv )
{

    int i=1;//照片名從1開始命名
    while(1)
    {
    CvCapture *pCapture=cvCreateCameraCapture(-1);//打開攝像頭
    Mat image=cvQueryFrame(pCapture); //將攝像頭拍的以圖片形式展現
    cvNamedWindow("frame",1);  //命名一個窗口
    imshow("frame",image);       //在窗口顯示圖片
    string filename=format("C:\\images\\%d.jpg",i);
    char key=waitKey(100);
    switch(key)
    {
    case'p':
        i++;                                    //鍵盤上每按一次p，就拍一張照
        imwrite(filename,image);              //寫入圖片
        imshow("photo",image);               //展示照片
        waitKey(500);                              
        destroyWindow("photo");
        break;
        default:break;
        }
        }
}

實驗效果：

②讀取圖片，顯示在屏幕上

    Mat image=imread("C:\\images\\2.jpg",-1);    //使用Mat創建一個對象，-1為打開類型的參數
    cvNamedWindow("圖像顯示",1);                        //命名一個窗口 ，1為顯示參數
    imshow("圖像顯示",image);                             
    cvWaitKey(0);  //很重要，不寫讀不出來

③將讀取的圖片進行檢測出人臉。

首先找到opencv目錄下，識別人臉的類的文件(包裝在data路徑下)

Haarcascades_frontalface_default 包裝的是 檢測人臉，將這個文件拷貝到你的vs工程下。

#include <iostream>
#include <string>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/gpu/gpu.hpp>
using namespace cv;
using namespace std;
string xmlPath="C:\\Users\\yu\\Documents\\Visual Studio 2010\\Projects\\加我南\\haarcascade_frontalface_default.xml";
//xmlpath 字符串記錄那個.xml文件的路徑
void detectAndDisplay(Mat image);
int main( int argc,char**argv )
{
    string path="C:\\Users\\yu\\Documents\\Visual Studio 2010\\Projects\\test\\images\\1.jpg";//以檢測圖片1.jpg為例
    Mat image =imread(path,-1);
    
    CascadeClassifier a;     //創建臉部對象
    if(!a.load(xmlPath))     //如果讀取文件不出錯，則檢測人臉
    {
        cout<<"無法加載xml文件"<<endl;
        return 0;
    }
   detectAndDisplay(image);// 檢測人臉
   return 0;

}

void detectAndDisplay(Mat image)
{
    CascadeClassifier ccf;      //創建臉部對象
    ccf.load(xmlPath);           //導入opencv自帶檢測的文件
    vector<Rect> faces;         
    Mat gray;                       
    cvtColor(image,gray,CV_BGR2GRAY);
    equalizeHist(gray,gray);
    ccf.detectMultiScale(gray,faces,1.1,3,0,Size(50,50),Size(500,500));
    for(vector<Rect>::const_iterator iter=faces.begin();iter!=faces.end();iter++)
    {
        rectangle(image,*iter,Scalar(0,0,255),2,8); //畫出臉部矩形
    }
    Mat image1;
    
    for(size_t i=0;i<faces.size();i++)
    {
        Point center(faces[i].x + faces[i].width / 2, faces[i].y + faces[i].height / 2);
        image1= image(Rect(faces[i].x, faces[i].y, faces[i].width, faces[i].height));     
    }
    
    imshow("1",image);
    imshow("2",image1);
    cvWaitKey(0);
    
}

 

實驗結果如下：

 

④進行人臉檢測

opencv的FaceRecogizer目前有三個類實現了它，特征臉和fisherface方法最少訓練圖像為兩張，而LBP可以單張圖像訓練，LBP方法原理：

     引用：http://blog.csdn.net/lsq2902101015/article/details/49717441

 

 

因此，我想到了與LBP算法類似的感知哈希算法。

說下原理過程：

     （1）縮小尺寸：去除高頻和細節的最快方法是縮小圖片，將圖片縮小到8x8的尺寸，共64個像素。不用保持縱橫比，只需將其變成8x8的正方形，這樣就可以摒棄不同尺寸、比例帶來的圖片差異
      （2）簡化色彩：將8x8的小圖片轉換成灰度圖像。
      （3）計算平均值：計算所有64個像素的灰度平均值
      （4）比較像素的灰度：將每個像素的灰度，與平均值進行比較，大於或等於就記為1，小於均值，就記為0；
       （5）計算hash值，將上面的比價比較結果組合在一起，構成了64位的哈希值，就是這張圖片的指紋。
       （6）通過比較兩張圖片的哈希值，計算差值得到漢明距離。漢明距離越小，說明兩張圖片越相似。
　　引用：http://blog.csdn.net/zouxy09/article/details/17471401

#include <iostream>
#include <string>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/gpu/gpu.hpp>
using namespace cv;
string xmlPath="C:\\Users\\yu\\Documents\\Visual Studio 2010\\Projects\\加我南\\haarcascade_frontalface_default.xml";

string HashValue(Mat &src)      //得到圖片的哈希值
//很久之前寫的，現在想不起來了...注釋就先不寫了.....抱歉哈。但是是可以運行的
{
    string rst(64,'\0');
    Mat img;
    if(src.channels()==3)
        cvtColor(src,img,CV_BGR2GRAY);
    else
        img=src.clone();
    resize(img,img,Size(8,8));
    uchar *pData;
    for(int i=0;i<img.rows;i++)
    {
        pData=img.ptr<uchar>(i);
        for(int j=0;j<img.cols;j++)
        {
            pData[j]=pData[j]/4;
        }
    }

    int average=mean(img).val[0];
    Mat mask=(img>=(uchar)average);
    int index=0;
    for(int i=0;i<mask.rows;i++)  
    {  
        pData = mask.ptr<uchar>(i);  
        for(int j=0;j<mask.cols;j++)  
        {  
            if(pData[j]==0)  
                rst[index++]='0';  
            else  
                rst[index++]='1';  
        }  
    }  
    return rst;
}   
int HanmingDistance(string &str1,string &str2)       //求兩張圖片的漢明距離
{
    if((str1.size()!=64)||(str2.size()!=64))
        return -1;
    int diff=0;
    for(int i=0;i<64;i++)
    {
        if(str1[i]!=str2[i])
            diff++;
    }
    return diff;
}
void detectAndDisplay(Mat image)
{
    CascadeClassifier ccf;
    ccf.load(xmlPath);
    vector<Rect> faces;
    Mat gray;
    cvtColor(image,gray,CV_BGR2GRAY);
    equalizeHist(gray,gray);
    ccf.detectMultiScale(gray,faces,1.1,3,0,Size(50,50),Size(500,500));
    for(vector<Rect>::const_iterator iter=faces.begin();iter!=faces.end();iter++)
    {
        rectangle(image,*iter,Scalar(0,0,255),2,8); //畫出臉部矩形
    }
    for(size_t i=0;i<faces.size();i++)
    {
        Point center(faces[i].x + faces[i].width / 2, faces[i].y + faces[i].height / 2);
        image= image(Rect(faces[i].x, faces[i].y, faces[i].width, faces[i].height));
    }
}             //識別並截取人臉
int main( int argc, char** argv )
{
    using std::cout;
    using std::endl;
    using std::cin;
    cout<<"請輸入想要選擇的圖片"<<endl;
    int a,x,i;
    int diff[9];
    cin>>a;
    const string path1=format("C:\\Users\\yu\\Documents\\Visual Studio 2010\\Projects\\test\\images\\%d.jpg",a);
    Mat image1,image2;
    image1=imread(path1,-1);
    string str1,str2,path2;
    cvNamedWindow("選擇的圖片",1);
    /*cvResizeWindow("選擇的圖片",700,500);*/
    imshow("選擇的圖片",image1);
    detectAndDisplay(image1);
    str1=HashValue(image1);
    cvWaitKey(0);
    for(i=1;i<=8;i++)//因為我完成的就是8張圖片的檢測，所以循環值為8
    {
        path2=format("C:\\Users\\yu\\Documents\\Visual Studio 2010\\Projects\\test\\images\\%d.jpg",i);
        image2=imread(path2,-1);
        detectAndDisplay(image2);
        str2=HashValue(image2);
        diff[i]=HanmingDistance(str1,str2);
    }
    
    int min=1000,t;
    for(i=1;i<=8;i++)    //循環值為8，求與原圖片漢明距離最小的那張圖片
    {
        if(min>diff[i]&&diff[i]!=0)
            {
                min=diff[i];
                t=i;}           //檢測出的標記為t
    }
    path2=format("C:\\Users\\yu\\Documents\\Visual Studio 2010\\Projects\\test\\images\\%d.jpg",t);
    image2=imread(path2,-1);//將圖片t顯示出來
    cvNamedWindow("相似的圖片",1);
    imshow("相似的圖片",image2);//這時顯示的就是最相似的照片
    cvWaitKey(0);
    cin.get();                    //吃掉回車符
}

實驗結果如下：

 

 

我的照片庫如下：

 

 至此，簡單地完成了檢測並且識別人臉的功能。