基于Gabor+PCA+SVM的性别识别(3)(完)

欢迎转载，请注明出处；本人能力有限，错误在所难免，欢迎指导

基于前两博文，已经训练出一个性别分类器。那就应该运用这个分类器进行性别分类。

这个测试过程与训练过程一样。只不过，训练时，是大批量的处理样本数据数据。测试过程，针对需要识别的图像进行处理。

1. 首先进行人脸识别，即在图像中找出人脸，把人脸区域提取出来。
2. 第二步，运用Gabor小波对人脸提取特征。
3. 第三步，运用PCA对Gabor提取的特征进行降维处理。
4. 最后，把降维后特征，输入训练好的分类器，得出分类结果。

结果分析：

训练过程man样本 409，woman样本287。其实，对于机器学习来说，这些样本还是很少的。在进行测试时，6个man图像可以正确识别。woman图像识别过程出现了错误识别。因为样本图片都是老外，而且人数有限。对其他图片效果应该不是很好。

本人分析的主要原因有两点：1）在训练过程，Gabor小波、PCA降维过程的参数选取没有进行严格的测试；

2）训练样本太少，而且样本中就那几个人的脸。可以增加训练样本的数量。

最后还得提一点，由于训练过程运算量大。训练600多个样本，运行了应该有半个小时。

main.cpp   (Gabor类文件同（2）)

  1 #include <opencv2/opencv.hpp>
  2 #include <opencv2/highgui/highgui.hpp>
  3 #include <opencv2/ml/ml.hpp>
  4 #include "GaborFR.h"
  5 using namespace cv;
  6 using namespace std;
  7 Mat detectAndDisplay( Mat);
  8 //加载Opencv自带人脸识别级联分类器文件
  9 string face_cascade_name ="D:\\Program Files\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt.xml";
 10 CascadeClassifier face_cascade;
 11 int iSize=10;//Gabor的scale
 12 int main()
 13 {
 14     if( !face_cascade.load( face_cascade_name ) )
 15       {
 16         printf("[error] 无法加载级联分类器文件！\n");
 17         return -1;
 18       }
 19
 20     Mat testI = imread("man5.png");
 21     if(testI.data ==0)
 22        {
 23           printf("[error] 没有图片\n");
 24           return -5;
 25        }
 26     //提取人脸*****************************************************
 27      Mat  ROI= detectAndDisplay(testI);
 28     //Gabor变换*************************************************************
 29      normalize(ROI,ROI,1,0,CV_MINMAX,CV_32F);
 30      Mat feature_Gabor;
 31      feature_Gabor.release();
 32       for(int i=0;i<8;i++)
 33     {
 34
 35         for(int j=0;j<5;j++)
 36         {
 37             Mat M1= GaborFR::getRealGaborKernel(Size(iSize,iSize),
 38                                                  2*CV_PI,
 39                                                  i*CV_PI/8+CV_PI/2,
 40                                                  j,
 41                                                  1);
 42             Mat M2 = GaborFR::getImagGaborKernel(Size(iSize,iSize),
 43                                                  2*CV_PI,
 44                                                  i*CV_PI/8+CV_PI/2,
 45                                                  j,
 46                                                  1);
 47             //加了CV_PI/2才和大部分文献的图形一样，不知道为什么！
 48             Mat outR,outI;
 49             GaborFR::getFilterRealImagPart(ROI,M1,M2,outR,outI);
 50             Mat M_Magnitude=GaborFR::getMagnitude(outR,outI);
 51             normalize(M_Magnitude,M_Magnitude,0,1,CV_MINMAX,CV_32F);
 52             Mat line= M_Magnitude.reshape(0,1);
 53             feature_Gabor.push_back(line);
 54
 55         }
 56     }
 57
 58 //PCA降维**************************************************
 59     PCA pca(feature_Gabor, cv::Mat(), CV_PCA_DATA_AS_ROW,5);
 60     Mat dst=pca.project(feature_Gabor) ;
 61     Mat line =dst.reshape(0,1);
 62
 63 //SVM进行性别识别**************
 64     CvSVM mySVM;
 65     mySVM.load("SVM_PCA4.xml");//从XML文件读取训练好的SVM分类器模型
 66     float response = mySVM.predict(line );
 67
 68     cout<< response<<endl;
 69     if(response==1)
 70         cout<<"boy"<<endl;
 71     if(response==-1)
 72          cout<<"girl"<<endl;
 73     waitKey(0);
 74     system("pause");
 75 }
 76
 77
 78 Mat detectAndDisplay( Mat frame)
 79 {
 80     std::vector<Rect> faces;
 81     Mat frame_gray,ROI;
 82     frame_gray= frame;
 83     cvtColor( frame, frame_gray, CV_BGR2GRAY );
 84     equalizeHist( frame_gray, frame_gray );
 85
 86     face_cascade.detectMultiScale( frame_gray, faces, 1.1, 2, 0|CV_HAAR_SCALE_IMAGE, Size(30, 30) );
 87
 88     for( int i = 0; i < faces.size(); i++ )
 89     {
 90         Point center( faces[i].x + faces[i].width*0.5, faces[i].y + faces[i].height*0.5 );
 91        // ellipse( frame, center, Size( faces[i].width*0.5, faces[i].height*0.5), 0, 0, 360, Scalar( 255, 0, 255 ), 4, 8, 0 );
 92      rectangle(frame,                //图像.
 93                  faces[i].tl(),             //矩形的一个顶点。
 94                  faces[i].br(),             //矩形对角线上的另一个顶点
 95                  Scalar(0, 255, 0),  //线条颜色 (RGB) 或亮度（灰度图像 ）(grayscale image）
 96                   3);                 //组成矩形的线条的粗细程度。取负值时（如 CV_FILLED）函数绘制填充了色彩的矩形
 97      ROI=frame_gray(Rect(faces[i].tl().x,faces[i].tl().y,faces[i].width,faces[i].height));
 98      resize(ROI,ROI,Size(21,18),0,0,CV_INTER_LINEAR);
 99     }
100
101     //namedWindow("qq",2);
102     //imshow( "qq", ROI );
103
104     imshow( "window_name", frame );
105     return ROI;
106 }