c#Winform使用Opencvsharp4实现简易人脸识别_opencvsharp4应用实例

     环境配置： vs2019 ， .Net FrameWork 4.8  Opencvsharp4

      在Nuget内下载最新的Opencvsharp4即可，

       大概说一下我所理解的人脸识别的原理吧，就是先给训练器一些训练数据，就是我们告诉训练器这些数据分别对应的是哪些人，然后训练器就记住这些图像的特征以及对应的人名，然后在识别时找出识别图像的特征，再与已经训练好的特征进行比对，找出训练集中与之最相近的那个特征，并给出其对应的名字，和相似程度，也就是得分。

      在Opencvsharp4内，有相应的模块，在OpenCvSharp.Face 里面，FaceRecognizer 就是我们需要的训练器，注意，添加训练集时，我们给的训练数据是，图像以及对应的ID数字，转换成名字时我们可以在添加训练集时把对应的名字自己保存下来，在给出训练结果时，用给出的ID数字去找出对应的名字即可；还有添加训练集时，同一张人脸的照片放在同一个目录下，也就是说一个名字可以对应多张不同的人脸，但一个人脸只能有一个名字；添加训练集和进行人脸识别时，图像大小要一样；请至少添加两组训练图像。

     界面实现：

    简单的Winform界面 ，控件都是自带即可

     我把添加训练图像也放在界面上了，当然也可以直接在本地训练集里面进行修改，但是要注意图像的大小要保持一致

大概的运行结果

 主要代码：

首先 ，定义一个训练器

  public static FaceRecognizer faceRecongnizer = FisherFaceRecognizer.Create();

再定义一个自定义的类 即把图像与ID 绑定起来

    class yImgs
    {
        // 图像
        public Mat Image { set; get; }
        // 编号 
        public int ImageGroupId { set; get; }
    }

       用一个List<yImgs> 来存放训练数据，我不使用字典的原因是，1，如果编号是Key 图像是Value的话，一个编号 也就是一个人 就只能添加一张图像，用 List<Mat>作为字典的Value的话，也感觉麻烦，还不如直接使用一个List方便，2，如果使用图像作为Key，编号作为Value的话，图像就不能重复了，即一个人就不能添加两张一样的图片作为训练图片，而使用List<yImgs> 的话，就能添加两张一样的图片作为训练图片。

      有了这个List之后，我们再定义一个字典，来绑定编号和人的名字，这里就不考虑重名的。

 public static Dictionary<int, string> namesDatas = new Dictionary<int, string>();

     然后我们就可以添加训练图像了 我目前都是往本地添加图像，设置成想要的格式，然后在训练前，把所有的图像信息从本地读出来

        /// <summary>
        /// 添加训练集图片 即把指定图片调整为指定大小 并保存在训练集路径中
        /// 同一人的照片都放在一个文件夹内 该文件夹的名字为 名字ID_名字，如：1_Lena 
        /// 图片名字是按顺序自己生成的  1.jpg  2.jpg....
        /// </summary>
        /// <param name="src">训练图像</param>
        /// <param name="size">图像大小</param>
        /// <param name="groupId">编号，与名字一一对应</param>
        /// <param name="name">名字</param>
        public static void AddTrainImg(Mat src, OpenCvSharp.Size size,int groupId,string name)
        {
            string path0 = groupId.ToString() + "_" + name;
            string path = yVars.path + "\\" + path0 + "\\";
            // 判断图像是否可以作为训练图像添加 
            // 即 图像包含人脸 且只有一张人脸 
            if (yMethods.TrainImgISOK(src) == false)
            {
                return;
            }
            try
            {
                if (!Directory.Exists(path))
                {
                    Directory.CreateDirectory(path);
                }
            }
            catch (Exception ex)
            {
                YXH._01.yMessagebox.ShowDialogCN("路径创建失败:" + ex.Message);
                return;
            }
            DirectoryInfo _path = new DirectoryInfo(path);
            int i = 0;
            do
            {
                i++;
            } while (File.Exists(path + i.ToString() + ".jpg"));
            string picname = path + i.ToString() + ".jpg";
            try
            {
                Cv2.Resize(src, src, size);
                src.SaveImage(picname);
                yVars.TrainAgain = true;
                YXH._01.yMessagebox.ShowDialogCN("训练图像添加成功");
            }
            catch (Exception ex)
            {
                YXH._01.yMessagebox.ShowDialogCN("训练图像添加失败:" + ex.Message);
            }
        }

添加在本地的格式 如下

     训练集图像添加在本地后，就读取本地信息，并对训练器进行训练。就是给我们最开始定义的List<yImgs>赋值，并用它对训练器训练。

        // 读取本地信息
        private static bool GetInfos()
        {
            // 把原先的信息清空 
            yVars.faceDatas.Clear(); // 训练数据 List<yImgs>
            yVars.namesDatas.Clear(); // 字典  Dictionary<int, string>
            DirectoryInfo _path = new DirectoryInfo(yVars.path); //训练集存放路径
 
            if (_path.GetDirectories().Length < 2)
            {
                YXH._01.yMessagebox.ShowDialogCN("本地训练集小于两组,请添加训练集");
                return false;
            }
            if (yFiles.DirectoryHasTwoGroup(yVars.path) == false)
            {
                YXH._01.yMessagebox.ShowDialogCN("本地训练集小于两组,请添加训练集");
                return false;
            } 
 
            foreach (DirectoryInfo var in _path.GetDirectories())
            {
                string[] tempstr = var.ToString().Split('_');
                int groupID = 0;
                int.TryParse(tempstr[0], out groupID);
                foreach (FileInfo vv in var.GetFiles())
                {
                    if (!vv.FullName.Contains(".jpg"))
                        continue;
                    yVars.faceDatas.Add(
                        new yImgs
                        {
                            Image = new Mat(vv.FullName, ImreadModes.Grayscale),
                            ImageGroupId = groupID,
                        });
                }
                yVars.namesDatas.Add(groupID, tempstr[1]);
            }
            return true;
        }

训练的话就直接调用 训练器的训练方法即可

  yVars.faceRecongnizer.Train(yVars.faceDatas.Select(x => x.Image), yVars.faceDatas.Select(x => x.ImageGroupId));

训练好之后就能进行识别了。

大概步骤如下：

1、从识别的图像中获取出所有的人脸图像，并将这些人脸图像调整为跟训练集一样的大小.(识别图像内可以有多张人脸，训练图像内只能有一张人脸)

        // 从图片中获取所有的人脸图片 并调整为指定大小
        private static List<Mat> GetFaces(Mat mm, OpenCvSharp.Rect[] rects, OpenCvSharp.Size size)
        {
            List<Mat> faces = new List<Mat>();
            foreach (Rect rect in rects)
            {
                Mat m1 = new Mat(mm, rect);
                Cv2.CvtColor(m1, m1, ColorConversionCodes.BGR2GRAY);
                Cv2.Resize(m1, m1, size);
                // Cv2.EqualizeHist(m1, m1);
                faces.Add(m1);
            }
            return faces;
        }

2、得到上面所有的人脸的位置

        // 获取图像所有的人脸框
        private static OpenCvSharp.Rect[] GetRects(Mat mm)
        {
            Mat grayImage = new Mat();
            Cv2.CvtColor(mm, grayImage, ColorConversionCodes.BGR2GRAY);
            Cv2.EqualizeHist(grayImage, grayImage);
            string path = System.Windows.Forms.Application.StartupPath + "\\xml\\haarcascades\\" + "haarcascade_frontalface_alt.xml";
            CascadeClassifier face = new CascadeClassifier(path); 
            Rect[] faces = face.DetectMultiScale(mm);
            return faces;
        }

3、对获取出来的所有人脸照片进行识别，得到其对应的名字

        // 获取所有名字
        private static List<string> GetNames(List<Mat> mm)
        {
            List<string> names = new List<string>();
            for (int i = 0; i < mm.Count; i++)
            {
                int groupId = -2;
                //groupId = yVars.FaceDetect.faceRecongnizer.Predict(mm[i]);
                double confidence = 0.0;
                yVars.faceRecongnizer.Predict(mm[i], out groupId, out confidence);
                string desName;
                yVars.namesDatas.TryGetValue(groupId, out desName);
                // names.Add(desName + " " + confidence.ToString("0.00"));
                names.Add(desName);
            }
            return names;
        }

4、最后把所有的名字在对应位置画出来就行

        // 画出所有的框和名字
        public static Mat ShowFaceRects(Mat mm, Rect[] faces, List<string> names)
        {
            Random rnd = new Random();
            int i = -1;
            foreach (Rect face in faces)
            {
                i++;
                Scalar color = new Scalar(rnd.Next(0, 255), rnd.Next(0, 255), rnd.Next(0, 255));
                Cv2.Rectangle(mm, face, color);
                // 无法显示中文 可以考虑用  System.Drawing.Graphics
                Cv2.PutText(mm, names[i], face.TopLeft, HersheyFonts.HersheySimplex, 0.8, new Scalar(255, 23, 0));
            }
            return mm;
        }

注意一下写名字的时候，如果用 Cv2.PutText 名字就不能是中文的

这样就实现了简单的人脸识别了。