Opencv人脸识别学习记录_基于opencv人脸识别系统中csv文件是怎么创建的

【Opencv人脸识别学习记录】

---

环境：

1. opencv3.0.0
2. vs2012
3. opencv_contrib3.0.0 ------ — 编译和配置点此
4. ORL人脸数据库，下载地址：点此进入下载
      ~~   
   【注意事项】
   ！！！自己测试的图片一定要和ORL人脸数据图片的尺寸和颜色通道一模一样！！！！！！
     ~  
     ~  
   **【工程下载】完成工程下载地址，包含数据集以及测试图片等： **
   https://download.csdn.net/download/qq153471503/10370732
   

---

1、制作csv文件

         ~~~~~~~~         一个面孔对应一个标签，在程序中一个个读取图片和标签，那么效率很低，所以将图片路径和标签制作成一个文件，在程序中直接读取文件中的路径和标签，就能将面孔和标签对应起来。
  ~  
下面一段python代码就是生成这个csv文件，使用方法：
         ~~~~~~~~          python [这个python文件名] [参数一：ORL文件目录] [参数二：输出的csv文件]
  ~  
例如我在当前工程目录下打开命令行，键入：
         ~~~~~~~~         python create_csv.py ./faces_data/ ./at.txt
效果：这个文件就是at.txt

# -*- coding: UTF-8 -*-

import os
import os.path
import sys

if __name__ == "__main__":

    if len(sys.argv) != 3:
    	print 
        print("Input error. conmond format: \n \
             python %s [images path] [output file] \n \
             For example:  python %s ./faces_data ./at.txt  ")%(sys.argv[0], sys.argv[0])
        sys.exit(0)

    BASE_PATH = sys.argv[1]
    SEPARATOR = ";"

    fh = open(sys.argv[2], "w")

    label = 0
    for dirname, dirnames, filenames in os.walk(BASE_PATH):
        for subdirname in dirnames:
            subject_path = os.path.join(dirname, subdirname)
            for filename in os.listdir(subject_path):
                abs_path = "%s/%s" % (subject_path, filename)
                print "%s%s%d" % (abs_path, SEPARATOR, label)
                fh.write(abs_path)
                fh.write(SEPARATOR)
                fh.write(str(label))
                fh.write('\n')
            label = label + 1
    fh.close()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34

---

2、人脸检测代码

#if 1
	CascadeClassifier face_cascade;    //载入分类器
	//加载分类训练器，OpenCv官方文档提供的xml文档，可以直接调用
	//xml文档路径  opencv\sources\data\haarcascades
	cout << "loading haarcascade_frontalface_alt.xml..." << endl;
	if (!face_cascade.load("haarcascade_frontalface_alt.xml"))
	{
		cout << "load haarcascade_frontalface_alt failed!" << endl;
		exit(-1);
	}
	cout << "OK" << endl;

	Mat matTestImg = imread("test.png");		// 输入测试图像
	resize(matTestImg, matTestImg, matTestImg.size());
	Mat showImg;
	matTestImg.copyTo(showImg);
	vector<Rect> face_rect;
	vector<Mat> res = FaceDetectMultiScale(face_cascade, matTestImg, face_rect);		// 多尺度检测
	if (res.empty())		// 如果为空说明未检测到人脸
	{
		cout << "failed, Please try again." << endl;
		exit(-1);
	}
#if 0
	for (size_t i=0; i!=res.size(); i++)
	{
		// 显示检测到的人脸
		imshow("", res[i]);
		waitKey(0);
	}
#endif


	/// 将人脸框出
	for (size_t i=0; i!=face_rect.size(); i++)
	{
		rectangle(showImg, face_rect[i], Scalar(0,0,255));
	}
	imshow("", showImg);	// 显示识别结果
	waitKey(0);

#else
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42

效果

---

3、人脸识别代码

Ptr<FaceRecognizer> faceR = createEigenFaceRecognizer();		// 创建人脸特征识别器
	vector<Mat> images;
	vector<int> labels;
	vector<Rect> face_rect;
	read_csv("at.txt", images, labels);		// 读取数据集

	string filename = "face_model.xml";		// 保存的文件名

// 如果定义了该宏，则不进行训练
#ifdef ALREADY_TRAIN
	cout << "loading " << filename + "..." << endl;
	faceR->load(filename);
	cout << "OK" << endl;
#else
	face_train(faceR, images, labels, filename);		// 训练
#endif
	
	//test(faceR, images);					// 测试

	//resize(tmp, tmp, Size(92, 112));		// 重新调整大小，调整到和训练数据一样的尺寸


	while (true)
	{
		string filename;
		cout << "Please input file, enter 'q' exit: " << flush;
		cin >> filename;
		if (filename == "q")
		{
			break;
		}

		if (access(filename.c_str(), 0) < 0)
		{
			cout << filename + " not exists." << endl;
			continue;
		}

		Mat img = imread(filename, IMREAD_GRAYSCALE);		// 读入灰度图
		imwrite("img.png", img);
		int label = face_identify(faceR, img);
		printf("Identify the results: label = %d \n", label);
	}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43

效果

由运行结果可见，预测到的标签是0， 在我创建的csv文件at.txt文件中，s1/7.pgm这个图片的标签就是0，所以识别成功！

---

3、完整代码

#include <opencv2\opencv.hpp>
#include <opencv\ml.h>
#include <iostream>
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <algorithm>
#include <vector>
#include <opencv2/face.hpp>
#include <fstream>
#include <opencv2/calib3d/calib3d.hpp>
#include <io.h>	// for access

using namespace std;
using namespace cv;
using namespace face;


// 定义了该宏，则不需要进行人脸的训练
#define ALREADY_TRAIN


/**
 * 读取csv文件。使用CSV文件去读图像和标签，主要使用stringstream和getline方法。
 * 生成csv文件可用本工程下的create_csv.py这个python文件，使用方法：
 * 
 * 		python create_csv.py [数据图像路径] [输出的svc文件名]
 * 
 * @param filename  svc文件名
 * @param images    用于存储测试图像
 * @param labels    存储标签
 * @param separator 分隔符
 */
void read_csv(const string &filename, vector<Mat> &images, vector<int> &labels, char separator = ';')
{
	std::ifstream file(filename.c_str(), ifstream::in);
	if (!file)
	{
		string error_message = "No valid input file was given, please check the given filename.";
		CV_Error(CV_StsBadArg, error_message);
	}
	string line, path, classlabel;
	while (getline(file, line))
	{
		stringstream liness(line);
		getline(liness, path, separator);
		getline(liness, classlabel);
		if (!path.empty() && !classlabel.empty())
		{
			// 读入灰度图
			images.push_back(imread(path, IMREAD_GRAYSCALE));
			labels.push_back(atoi(classlabel.c_str()));
		}
	}
}


/**
 * 人脸训练
 * 
 * @param faceR    识别器
 * @param images   图像训练集
 * @param labels   标签集
 * @param saveName 训练结束后保存的模型文件名
 */
void face_train(Ptr<FaceRecognizer>& faceR, vector<Mat> &images, vector<int> &labels, string& saveName)
{
	cout << "start train..." << endl;
	faceR->train(images, labels);		// 开始训练
	faceR->save(saveName);				//保存训练模型
	cout << "train done." << endl;
}

/**
 * 人脸识别
 *
 * @param  faceR  识别器
 * @param  srcImg 待测图像
 * @return        预测的标签值
 */
int face_identify(Ptr<FaceRecognizer>& faceR, Mat& srcImg)
{
	int label_predict = -1;
	double accuracy = -1;
	faceR->predict(srcImg, label_predict, accuracy);		// 预测
	return label_predict;
}


/**
 * 测试人脸识别
 *
 * @param faceR  识别器
 * @param images 测试数据集
 */
void test(Ptr<FaceRecognizer>& faceR, vector<Mat>& images)
{
	int label_predict = -1;
	double accuracy = -1;

	for (int i=0; i!=images.size(); i++)
	{
		faceR->predict(images[i], label_predict, accuracy);
		// 打印预测到的标签值和准确率
		printf("label_predict: %d   accuracy : %f \n", label_predict, 100.0-accuracy);
	}
}


/**
 * 人脸多尺度检测
 *
 * @param face 			分类器
 * @param inputArr  	带测图像
 * @param face_rect 	存储识别到的人脸区域框
 * @return				检测到的人脸Mat图像
 */
vector<Mat> FaceDetectMultiScale(CascadeClassifier& face, Mat& inputArr, vector<Rect>& face_rect)
{
	vector<Mat> res;

	Mat img_src, img_equa;
	img_src = inputArr;

	if(img_src.channels() != 1)
		cvtColor(img_src, img_src, CV_BGR2GRAY);		// 转换为灰度图

	equalizeHist(img_src, img_equa);					//直方图均衡化

	// 人脸检测，多尺度
	face.detectMultiScale(
		img_equa, 
		face_rect, 
		1.1, 2, 0 | CV_HAAR_SCALE_IMAGE, 
		Size(30, 30));

	for (int i=0; i!=face_rect.size(); i++)
	{
		Mat tmp;
		inputArr(face_rect[i]).copyTo(tmp);
		res.push_back(tmp);
	}
	return res;
}


int main()
{
#if 0
	CascadeClassifier face_cascade;    //载入分类器
	//加载分类训练器，OpenCv官方文档提供的xml文档，可以直接调用
	//xml文档路径  opencv\sources\data\haarcascades
	cout << "loading haarcascade_frontalface_alt.xml..." << endl;
	if (!face_cascade.load("haarcascade_frontalface_alt.xml"))
	{
		cout << "load haarcascade_frontalface_alt failed!" << endl;
		exit(-1);
	}
	cout << "OK" << endl;

	Mat matTestImg = imread("test.jpg");		// 输入测试图像
	resize(matTestImg, matTestImg, matTestImg.size());
	Mat showImg;
	matTestImg.copyTo(showImg);
	vector<Rect> face_rect;
	vector<Mat> res = FaceDetectMultiScale(face_cascade, matTestImg, face_rect);		// 多尺度检测
	if (res.empty())		// 如果为空说明未检测到人脸
	{
		cout << "failed, Please try again." << endl;
		exit(-1);
	}
#if 0
	for (size_t i=0; i!=res.size(); i++)
	{
		// 显示检测到的人脸
		imshow("", res[i]);
		waitKey(0);
	}
#endif


	/// 将人脸框出
	for (size_t i=0; i!=face_rect.size(); i++)
	{
		rectangle(showImg, face_rect[i], Scalar(0,0,255));
	}
	imshow("", showImg);	// 显示识别结果
	waitKey(0);

#else

	Ptr<FaceRecognizer> faceR = createEigenFaceRecognizer();		// 创建人脸特征识别器
	vector<Mat> images;
	vector<int> labels;
	vector<Rect> face_rect;
	read_csv("at.txt", images, labels);		// 读取数据集

	string filename = "face_model.xml";		// 保存的文件名

// 如果定义了该宏，则不进行训练
#ifdef ALREADY_TRAIN
	cout << "loading " << filename + "..." << endl;
	faceR->load(filename);
	cout << "OK" << endl;
#else
	face_train(faceR, images, labels, filename);		// 训练
#endif
	
	//test(faceR, images);					// 测试

	//resize(tmp, tmp, Size(92, 112));		// 重新调整大小，调整到和训练数据一样的尺寸


	while (true)
	{
		string filename;
		cout << "Please input file, enter 'q' exit: " << flush;
		cin >> filename;
		if (filename == "q")
		{
			break;
		}

		if (access(filename.c_str(), 0) < 0)
		{
			cout << filename + " not exists." << endl;
			continue;
		}

		Mat img = imread(filename, IMREAD_GRAYSCALE);		// 读入灰度图
		imwrite("img.png", img);
		int label = face_identify(faceR, img);
		printf("Identify the results: label = %d \n", label);
	}

#endif

	system("pause");
	return 0;
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241

---

ends…