隨著Opencv庫的不斷完善，在opencv2.4.2中添加了contrib的相關內容，里面就包括了FaceRecognizer人臉識別類。

這個類的調用比較簡單，主要是：訓練和預測，分別對應著train函數和predict函數，還有對應著數據的加載和保存：save和load。

先來說說訓練的過程，train函數的兩個參數也很簡單，訓練的圖像組vector<Mat>和對應的標簽組vector<int>，

對于預測，有兩種調用，其中的參數有測試圖像、返回的標簽值和測試樣本和標簽樣本的相似性。返回的標簽值為-1，說明測試樣本在訓練集中無對應或距離較遠。這里用個FisherFace作為示例說明一下如何訓練和預測：

1. vector<Mat>?images;??
2. vector<int>?labels;??
3. //?images?for?first?person??
4. images.push_back(imread("person0/0.jpg",?CV_LOAD_IMAGE_GRAYSCALE));??
5. labels.push_back(0);??
6. images.push_back(imread("person0/1.jpg",?CV_LOAD_IMAGE_GRAYSCALE));??
7. labels.push_back(0);??
8. //?images?for?second?person??
9. images.push_back(imread("person1/0.jpg",?CV_LOAD_IMAGE_GRAYSCALE));??
10. labels.push_back(1);??
11. images.push_back(imread("person1/1.jpg",?CV_LOAD_IMAGE_GRAYSCALE));??
12. labels.push_back(1);??
13. ??
14. Ptr<FaceRecognizer>?model?=?createFisherFaceRecognizer();??
15. model->train(images,?labels);??
16. ??
17. Mat?img?=?imread("person1/2.jpg",?CV_LOAD_IMAGE_GRAYSCALE);??
18. int?predicted?=?model->predict(img);

可以把訓練好的模型通過save函數保存成一個文件，下次使用的時候只需load即可。

特征臉EigenFace、Fisher臉FisherFace、LBP直方圖LBPHFace，是目前支持的3種人臉識別的方案。分別調用函數createEigenFaceRecognizer、createFisherFaceRecognizer、createLBPHFaceRecognizer建立模型。

總結

以上是生活随笔為你收集整理的Opencv中的FaceRecognizer类的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。