【注意】本博文的檔次適合Opencv初學(xué)者，和要做本科生畢業(yè)設(shè)計(jì)這類檔次。

昨天晚上剛剛參加了某s*i*p的答辯，發(fā)現(xiàn)就是走個(gè)流程，與Q群里面其他學(xué)生的學(xué)校比起來，我們學(xué)校編程與其他學(xué)校差距較大，在此我把我所做的東西開源展示給大家(其實(shí)都是調(diào)用Opencv進(jìn)行識別，并不是什么好東西，網(wǎng)上已經(jīng)爛大街了)

下面是程序的運(yùn)行截圖(這里我直接放我總結(jié)報(bào)告的里面的截圖)：

添加用戶的截圖：

拍照后：(在此文件夾有記錄)

點(diǎn)擊照片處理后Data中會(huì)根據(jù)編號創(chuàng)建文件夾

點(diǎn)擊照增加csv和模型訓(xùn)練后，就會(huì)生成xml文件，隨后就可以進(jìn)行人臉識別

測試結(jié)果：

當(dāng)人臉庫中無此人數(shù)據(jù)時(shí)識別結(jié)果截圖：

當(dāng)增加此人數(shù)據(jù)后運(yùn)行結(jié)果：

識別過程中，人突然跑開，或者人臉精度不大時(shí)：

本程序開源，在此是源碼下載地址，

http://download.csdn.net/detail/qq78442761/9832957

【注意】此源碼對Opencv2.4.9庫的調(diào)用已經(jīng)用CMake編譯成MinGW可用的，在此不再說明

CMake然后編譯OpenCV

http://blog.csdn.net/qq78442761/article/details/54342479

在本節(jié)的最后，我想簡單交代下識別原理和流程，方面大家對程序的理解：

PCA的全稱是Principal Component Analysis主成份分析。

原理簡單說就是：提取人臉的主要成份，構(gòu)成特征臉空間，將待識別的人臉投影到特征臉空間上得出特征向量，然后采用歐式距離算出這個(gè)特征向量與平均人臉的差值的距離，然后定義一個(gè)閾值，當(dāng)滿足這個(gè)閾值時(shí)則識別成功。(公式我就不寫了，畢竟待會(huì)用Opencv調(diào)用的時(shí)候就幾個(gè)函數(shù)，就能實(shí)現(xiàn)上述的功能)

在這里的提取人臉主要成分，其實(shí)是把圖像矩陣向量化，計(jì)算平均值，然后計(jì)算差值，再構(gòu)造協(xié)方差，提取協(xié)方差的特征向量和特征值，這些特征向量構(gòu)成的總和就是特征臉空間，然后把每一幅人臉與平均臉的差值的矢量投影到特征臉空間，就達(dá)到了模型訓(xùn)練(這些都是理論，在Opencv里面就幾個(gè)函數(shù)調(diào)用，極其簡單)

在此再說下OPencv人臉識別的流程，方面下一節(jié)對程序的理解。

OpenCV人臉識別流程：
1.人臉采集；
2.人臉處理；
3.模型訓(xùn)練；
4.人臉識別；

所以在下幾節(jié)的內(nèi)容中我將逐步分析，這4個(gè)流程，最終達(dá)到人臉識別！

總結(jié)

以上是生活随笔為你收集整理的Qt5.7+Opencv2.4.9人脸识别(一)项目介绍的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。