C++实现人脸识别（百度云平台）_c++人脸识别

C++实现人脸识别（百度云平台）

项目资源下载

项目思路：opencv 采集人脸照片，将照片发送至百度智能云平台，百度云平台与人脸库中的数据进行比较并返回结果。

一、项目环境

 
Ubuntu 64 20.0.4
 
opencv 4.2.0

二、环境配置

1、安装 opencv

sudo apt-get install libopencv-dev

安装需要等待一段时间，有些系统可能要安装依赖，按照提示安装即可。

安装完成后可使用命令

dpkg -s libopencv-dev

安装需要等待一段时间，有些系统可能要安装依赖，按照提示安装即可。

安装完成后可使用命令

dpkg -s libopencv-dev
1

查看安装的状态与版本。不同的系统版本有差别，我这里是 opencv4.2.0，具体版本和使用的软件源有关。

安装完成后可先测试。

/*
test.cpp
*/
 
#include<iostream>
#include "opencv4/opencv2/opencv.hpp"
 
using namespace std;
using namespace cv;
 
int main()
{
    // 打开默认摄像头0
    VideoCapture cap = 0;
    // 如果摄像头开启出现异常，则退出程序
    if(!cap.isOpened())
    {
        cout << "Camera open failed!" << endl;
        return -1;
    }
    cout << "Camera open success!" << endl;
 
    // 实例化人脸级联分类器
    cv::CascadeClassifier Classifier("/usr/share/opencv4/haarcascades/haarcascade_frontalface_alt2.xml");
 
    // 照片容器容器 Mat为 cv 内定义类型
    Mat ColorFace; // 用于展示，彩色展示效果较好
    Mat GrayFace;  // 用于查找人脸，灰色查找降低计算量
    
    // 人脸列表 Rect类型，为人脸的矩形框坐标
    vector<Rect> AllFace;
 
    // 存储从图片中截取的人脸
    Mat MatFace;
 
    // 存储截图
    vector<uchar> JpgFace;
    
    // 循环采集图片并展示，达到视频效果
    while(true)
    {
        // 拍照
        cap >> ColorFace;
 
        // 将彩色照片转为灰度，降低计算量
        cvtColor(ColorFace, GrayFace,cv::COLOR_BGR2GRAY);
 
        // 将灰度照片均衡化，便于从背景中分离人脸
        equalizeHist(GrayFace, GrayFace);
 
        // 从灰度照片中检测人脸，并将检测到的人脸存入人脸列表中
        Classifier.detectMultiScale(GrayFace, AllFace);
       
        // 判断是否检测到人脸，没有人脸则列表为空
        if(AllFace.size()==0){
            cout << "no face" << endl;
        }else{
            // 框出检测到的人脸，第一个参数为要框出的图片，第二个参数为人脸，最后一个是框的颜色
            rectangle(ColorFace, AllFace[0], Scalar(255, 255, 0));
        }
        
        // 显示图片，第一个参数为窗口名称，第二个为展示的图片
        imshow("test", ColorFace);
        
        // 等待40ms，相当于25帧（24帧是人眼连贯的最小帧率）
        waitKey(40);
    }
 
    return 0;
}
 

执行编译命令

g++ test.cpp -o test

这时我们会发现其报错了，报错如下

出现这种情况是因为我们的项目中引入了opencv4/opencv2/opencv.hpp这个库，但没有对其进行编译。

解决办法如下：

① 编译时动态链接用到的库

g++ test.cpp -o test -lopencv_highgui

很可惜，我使用这种方法并没有成功，又查阅了很多资料，发现是 .so 文件没能正确链接，也就是环境变量问题，所以有了第二种解决办法。

其次，这第一种方法每次使用新的 opencv 下的函数都需要增加 -l 的动态链接编译，过于繁琐，导致编译命令过于复杂，第二种方法也解决了这个问题。

②环境变量配置

链接: 参考文章

执行如下语句

pkg-config --cflags opencv

返回如下结果

Package opencv was not found in the pkg-config search path.
Perhaps you should add the directory containing `opencv.pc'
to the PKG_CONFIG_PATH environment variable
No package 'opencv' found

其原因是缺少 opencv.pc文件，我们需要创建这个文件并将其导入环境变量中，具体操作如下：

首先创建 opencv.pc文件，注意目录信息

cd /usr/local/lib
sudo mkdir pkgconfig
cd pkgconfig
sudo touch opencv.pc

然后在文件中添加如下内容

sudo nano opencv.pc

prefix=/usr/local
exec_prefix=${prefix}
includedir=${prefix}/include
libdir=${exec_prefix}/lib
 
Name: opencv
Description: The opencv library
Version:4.0.1
Cflags: -I${includedir}/opencv4
Libs: -L${libdir} -lopencv_shape -lopencv_stitching -lopencv_objdetect -lopencv_superres -lopencv_videostab -lopencv_calib3d -lopencv_features2d -lopencv_highgui -lopencv_videoio -lopencv_imgcodecs -lopencv_video -lopencv_photo -lopencv_ml -lopencv_imgproc -lopencv_flann  -lopencv_core
~                                               

这里面主要是opencv的配置信息，我们可以看到Libs里有我们会用到的所有链接库。

保存并推出文件编辑：ctrl+ o ctrl + x.

将文件导入环境变量

export  PKG_CONFIG_PATH=/usr/local/lib/pkgconfig

这就配置好 opencv 的环境变量了。

再次执行命令

pkg-config --cflags --libs opencv

返回结果如下，即配置成功

-I/usr/local/include/opencv4 -L/usr/local/lib \
-lopencv_shape -lopencv_stitching -lopencv_objdetect \
-lopencv_superres -lopencv_videostab -lopencv_calib3d \
-lopencv_features2d -lopencv_highgui -lopencv_videoio \
-lopencv_imgcodecs -lopencv_video -lopencv_photo -lopencv_ml \
-lopencv_imgproc -lopencv_flann -lopencv_core

返回到项目文件夹，执行如下命令编译

sudo g++ test.cpp -o test `pkg-config --cflags --libs opencv`

执行 ls-l 发现已经生成了可执行文件 test

运行示例：

./test

发现又又又报错啦！！！

不用担心，这是因为我们的虚拟机没有连接到摄像头导致的，我们只需要按照如下步骤操作即可。

点开 虚拟机 --> 可移动设备 --> IMC Networks Integrated Camera --> 连接(断开与 主机 的连接) 即可。

再次执行 ./test

可以看到程序成功运行，在终端按下 ctrl+c 即可结束程序。

2、百度云平台配置

首先要到百度智能云平台创建一个人脸搜索的应用，百度云平台具体的使用方法可以去看百度的教程，非常简单。

①登录百度智能云

链接: 百度智能云平台

②找到人脸识别云服务

进入之后点击立即使用

③创建应用

创建成功后，进入管理应用

点击查看人脸库，新建用户分组

新建用户并上传照片即可，注意上传的用户照片要面部轮廓与五官清晰的正面照。

至此，我们在百度智能云上的人脸库就创建成功啦。

3、配置SDK

为了能够应用百度智能云，我们还需要下载相应的SDK配置本地环境。

链接: C++ SDK文档

链接: C++ SDK下载地址

因为我们的项目是在乌班图中运行，所以建议直接在乌班图内下载。

下载完成后解压到我们的项目文件中

进入项目目录，执行如下命令

cd aip-cpp-sdk-0.8.1
sudomv * ../

SDK已经导入项目啦，还需要安装一些依赖包，参考上面的SDK文档。

以上就是我们需要下载安装的依赖包，执行如下命令

sudoapt-getinstall libcurl4-openssl-dev
sudoapt-getinstall openssl
sudoapt-getinstall libjsoncpp-dev

因为项目引入了这些库，且这些库是C++11标准，所以在编译时要在末尾添加如下链接

-lcurl -lcrypto -ljsoncpp  -std=c++11

全部安装好后，我们的项目环境就配置好啦。

但我们还有一些地方需要更改。

进入之前解压出来的 base 文件夹，打开 http.h，将 23 行的 #include <json/json.h> 更改为#include <jsoncpp/json/json.h>

同样 base.h 的 21 行也应作出相同的更改。

三、编码

下面就是完整的代码，备注详细。

#include<iostream>
#include "opencv4/opencv2/opencv.hpp"
#include "face.h"
 
using namespace std;
using namespace cv;
using namespace aip;
 
int main()
{
    // Json容器，用于存储云端发送回来的数据
    Json::Value result;
 
    // 打开默认摄像头0
    VideoCapture cap = 0;
    // 如果摄像头开启出现异常，则退出程序
    if(!cap.isOpened())
    {
        cout << "Camera open failed!" << endl;
        return -1;
    }
    cout << "Camera open success!" << endl;
 
    // 实例化人脸级联分类器
    cv::CascadeClassifier Classifier("/usr/share/opencv4/haarcascades/haarcascade_frontalface_alt2.xml");
 
    // 照片容器容器 Mat为 cv 内定义类型
    Mat ColorFace;
    Mat GrayFace;
    
    // 人脸列表 Rect类型，为人脸的矩形框坐标
    vector<Rect> AllFace;
 
    // 存储从图片中截取的人脸
    Mat MatFace;
 
    // 存储截图
    vector<uchar> JpgFace;
 
    // 连接百度智能云
    std::string app_id = "更换为你的 app_id";
    std::string api_key = "更换为你的 api_key";
    std::string secret_key = "更换为你的 secret_key";
    // 创建人脸识别云服务客户端
    aip::Face client(app_id, api_key, secret_key);
 
    // 因为百度智能云要求发送的人脸为 Base64 格式，所以声明一个 string 类型的容器存储它
    string Base64Face;
 
    // 循环采集图片并展示，达到视频效果
    while(true)
    {
        // 拍照
        cap >> ColorFace;
 
        // 将照片转化为灰度格式，降低计算量
        cvtColor(ColorFace, GrayFace,cv::COLOR_BGR2GRAY);
 
        // 将灰度照片均衡化，便于从背景中分离人脸
        equalizeHist(GrayFace, GrayFace);
 
        // 从灰度照片中检测人脸，并将检测到的人脸存入人脸列表中
        Classifier.detectMultiScale(GrayFace, AllFace);
        
        // 判断是否检测到人脸
        if(AllFace.size()==0){
            cout << "no face" << endl;
        }else{
            // 截取检测到的第一张人脸
            MatFace = GrayFace(AllFace[0]);
            // 将截取的无格式人脸转为 .jpg 格式
            imencode(".jpg", MatFace, JpgFace);
            // 将图片转为 Base64 格式
            Base64Face = base64_encode((char *)JpgFace.data(), JpgFace.size());
            // 从人脸库中搜索人脸
            result = client.search(Base64Face, "BASE64", "test1", aip::null);
            // 解析返回结果
            if(!result["result"].isNull()){
                // 当返回结果也检测到人脸时，将彩色照片中的人脸框起来
                rectangle(ColorFace, AllFace[0], Scalar(255, 255, 0));
                // 判断人脸相似度，当相似度大于80%，判定为同一人，输出其编号（人脸库中的编号），否则输出 unknown people
                if(result["result"]["user_list"][0]["score"].asInt() >= 80){
                    cout << "find " << result["result"]["user_list"][0]["user_id"] << endl;
                }else{
                    cout<< "unkown people" << endl;
                }
            }else{
                cout << "no face" << endl;
            }
        }
        // 展示图片
        imshow("test", ColorFace);
 
        waitKey(40);
    }
 
    return 0;
}

使用如下命令编译

sudo g++ test.cpp -o test`pkg-config --cflags --libs opencv` -lcurl -lcrypto -ljsonc

运行

./test

原文链接：https://blog.csdn.net/X_xs_mxt/article/details/127710672#comments_25689722

感谢作者准可转发哈