基于Opencv的人脸检测及识别

一、实验目的：我这里完成的是，将8张人脸图片(4组，每组两张）存入库中，选取1张图片，程序识别出与其匹配的另一张。

这里介绍分三个步骤完成该工作，①程序读取摄像头、拍照

　　　　　　　　　　　　　　 ②程序从电脑文档中读取图片

　　　　　　　　　　　　　　   ③检测人脸，并用红框框出人脸

④使用感知哈希算法匹配最相似的图片

二、实验环境： Win 7(x64)、visual studio 2010、openCV-2.4.3

使用语言:C++

三、实验准备：①安装好vs2010,本文不予介绍。

　　　　　  ②配置opencv :

　　1‘进入官网下载http://opencv.org/  (OpenCv 2.4x是支持Vs2010的，建议根据自己的Vs版本安装相应的OpenCv的版本)解压后，目录如下：

　　2‘打开vs2010,创建项目，这里以我的工程名test为例。右击项目->属性->vc++目录->包含目录， 添加三个路径：（在解压后opencv下的build目录）

E:\新建文件夹\opencv\build\include

E:\新建文件夹\opencv\build\include\opencv

E:\新建文件夹\opencv\build\include\opencv2

然后点击库目录，添加路径：E:\新建文件夹\opencv\build\x86\vc10\lib

配置好了后，第二步，点击链接器->输入->附加依赖项,编辑添加，把E:\新建文件夹\opencv\build\x86\vc10\bin里面左右的文件名称全导入进去,导入带d的文件，比如有opencv_calib3d243.dll与opencv_calib3d243d.dll文件，只需添加后者带d的即可。

至此，openCV配置已经全部完成。接下来编写代码。

四、编写代码

①为了收集图片库，我编写了直接拍照的功能，按下p进行拍照，并自动命名排序存到文件中。

#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
using namespace cv;
int main( int argc, char** argv )
{

    int i=1;//照片名从1开始命名
    while(1)
    {
    CvCapture *pCapture=cvCreateCameraCapture(-1);//打开摄像头
    Mat image=cvQueryFrame(pCapture); //将摄像头拍的以图片形式展现
    cvNamedWindow("frame",1);  //命名一个窗口
    imshow("frame",image);       //在窗口显示图片
    string filename=format("C:\\images\\%d.jpg",i);
    char key=waitKey(100);
    switch(key)
    {
    case‘p‘:
        i++;                                    //键盘上每按一次p，就拍一张照
        imwrite(filename,image);              //写入图片
        imshow("photo",image);               //展示照片
        waitKey(500);
        destroyWindow("photo");
        break;
        default:break;
        }
        }
}

实验效果：

②读取图片，显示在屏幕上

    Mat image=imread("C:\\images\\2.jpg",-1);    //使用Mat创建一个对象，-1为打开类型的参数
    cvNamedWindow("图像显示",1);                        //命名一个窗口 ，1为显示参数
    imshow("图像显示",image);
    cvWaitKey(0);  //很重要，不写读不出来

③将读取的图片进行检测出人脸。

首先找到opencv目录下，识别人脸的类的文件(包装在data路径下)

Haarcascades_frontalface_default 包装的是 检测人脸，将这个文件拷贝到你的vs工程下。

#include <iostream>
#include <string>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/gpu/gpu.hpp>
using namespace cv;
using namespace std;
string xmlPath="C:\\Users\\yu\\Documents\\Visual Studio 2010\\Projects\\加我南\\haarcascade_frontalface_default.xml";
//xmlpath 字符串记录那个.xml文件的路径
void detectAndDisplay(Mat image);
int main( int argc,char**argv )
{
    string path="C:\\Users\\yu\\Documents\\Visual Studio 2010\\Projects\\test\\images\\1.jpg";//以检测图片1.jpg为例
    Mat image =imread(path,-1);

    CascadeClassifier a;     //创建脸部对象
    if(!a.load(xmlPath))     //如果读取文件不出错，则检测人脸
    {
        cout<<"无法加载xml文件"<<endl;
        return 0;
    }
   detectAndDisplay(image);// 检测人脸
   return 0;

}

void detectAndDisplay(Mat image)
{
    CascadeClassifier ccf;      //创建脸部对象
    ccf.load(xmlPath);           //导入opencv自带检测的文件
    vector<Rect> faces;
    Mat gray;
    cvtColor(image,gray,CV_BGR2GRAY);
    equalizeHist(gray,gray);
    ccf.detectMultiScale(gray,faces,1.1,3,0,Size(50,50),Size(500,500));
    for(vector<Rect>::const_iterator iter=faces.begin();iter!=faces.end();iter++)
    {
        rectangle(image,*iter,Scalar(0,0,255),2,8); //画出脸部矩形
    }
    Mat image1;

    for(size_t i=0;i<faces.size();i++)
    {
        Point center(faces[i].x + faces[i].width / 2, faces[i].y + faces[i].height / 2);
        image1= image(Rect(faces[i].x, faces[i].y, faces[i].width, faces[i].height));
    }

    imshow("1",image);
    imshow("2",image1);
    cvWaitKey(0);

}

实验结果如下：

④进行人脸检测

opencv的FaceRecogizer目前有三个类实现了它，特征脸和fisherface方法最少训练图像为两张，而LBP可以单张图像训练，LBP方法原理：

引用：http://blog.csdn.net/lsq2902101015/article/details/49717441

因此，我想到了与LBP算法类似的感知哈希算法。

说下原理过程：

（1）缩小尺寸：去除高频和细节的最快方法是缩小图片，将图片缩小到8x8的尺寸，共64个像素。不用保持纵横比，只需将其变成8x8的正方形，这样就可以摒弃不同尺寸、比例带来的图片差异
      （2）简化色彩：将8x8的小图片转换成灰度图像。
      （3）计算平均值：计算所有64个像素的灰度平均值
      （4）比较像素的灰度：将每个像素的灰度，与平均值进行比较，大于或等于就记为1，小于均值，就记为0；
       （5）计算hash值，将上面的比价比较结果组合在一起，构成了64位的哈希值，就是这张图片的指纹。
       （6）通过比较两张图片的哈希值，计算差值得到汉明距离。汉明距离越小，说明两张图片越相似。
　　引用：http://blog.csdn.net/zouxy09/article/details/17471401

#include <iostream>
#include <string>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/gpu/gpu.hpp>
using namespace cv;
string xmlPath="C:\\Users\\yu\\Documents\\Visual Studio 2010\\Projects\\加我南\\haarcascade_frontalface_default.xml";

string HashValue(Mat &src)      //得到图片的哈希值
//很久之前写的，现在想不起来了...注释就先不写了.....抱歉哈。但是是可以运行的
{
    string rst(64,‘\0‘);
    Mat img;
    if(src.channels()==3)
        cvtColor(src,img,CV_BGR2GRAY);
    else
        img=src.clone();
    resize(img,img,Size(8,8));
    uchar *pData;
    for(int i=0;i<img.rows;i++)
    {
        pData=img.ptr<uchar>(i);
        for(int j=0;j<img.cols;j++)
        {
            pData[j]=pData[j]/4;
        }
    }

    int average=mean(img).val[0];
    Mat mask=(img>=(uchar)average);
    int index=0;
    for(int i=0;i<mask.rows;i++)
    {
        pData = mask.ptr<uchar>(i);
        for(int j=0;j<mask.cols;j++)
        {
            if(pData[j]==0)
                rst[index++]=‘0‘;
            else
                rst[index++]=‘1‘;
        }
    }
    return rst;
}
int HanmingDistance(string &str1,string &str2)       //求两张图片的汉明距离
{
    if((str1.size()!=64)||(str2.size()!=64))
        return -1;
    int diff=0;
    for(int i=0;i<64;i++)
    {
        if(str1[i]!=str2[i])
            diff++;
    }
    return diff;
}
void detectAndDisplay(Mat image)
{
    CascadeClassifier ccf;
    ccf.load(xmlPath);
    vector<Rect> faces;
    Mat gray;
    cvtColor(image,gray,CV_BGR2GRAY);
    equalizeHist(gray,gray);
    ccf.detectMultiScale(gray,faces,1.1,3,0,Size(50,50),Size(500,500));
    for(vector<Rect>::const_iterator iter=faces.begin();iter!=faces.end();iter++)
    {
        rectangle(image,*iter,Scalar(0,0,255),2,8); //画出脸部矩形
    }
    for(size_t i=0;i<faces.size();i++)
    {
        Point center(faces[i].x + faces[i].width / 2, faces[i].y + faces[i].height / 2);
        image= image(Rect(faces[i].x, faces[i].y, faces[i].width, faces[i].height));
    }
}             //识别并截取人脸
int main( int argc, char** argv )
{
    using std::cout;
    using std::endl;
    using std::cin;
    cout<<"请输入想要选择的图片"<<endl;
    int a,x,i;
    int diff[9];
    cin>>a;
    const string path1=format("C:\\Users\\yu\\Documents\\Visual Studio 2010\\Projects\\test\\images\\%d.jpg",a);
    Mat image1,image2;
    image1=imread(path1,-1);
    string str1,str2,path2;
    cvNamedWindow("选择的图片",1);
    /*cvResizeWindow("选择的图片",700,500);*/
    imshow("选择的图片",image1);
    detectAndDisplay(image1);
    str1=HashValue(image1);
    cvWaitKey(0);
    for(i=1;i<=8;i++)//因为我完成的就是8张图片的检测，所以循环值为8
    {
        path2=format("C:\\Users\\yu\\Documents\\Visual Studio 2010\\Projects\\test\\images\\%d.jpg",i);
        image2=imread(path2,-1);
        detectAndDisplay(image2);
        str2=HashValue(image2);
        diff[i]=HanmingDistance(str1,str2);
    }

    int min=1000,t;
    for(i=1;i<=8;i++)    //循环值为8，求与原图片汉明距离最小的那张图片
    {
        if(min>diff[i]&&diff[i]!=0)
            {
                min=diff[i];
                t=i;}           //检测出的标记为t
    }
    path2=format("C:\\Users\\yu\\Documents\\Visual Studio 2010\\Projects\\test\\images\\%d.jpg",t);
    image2=imread(path2,-1);//将图片t显示出来
    cvNamedWindow("相似的图片",1);
    imshow("相似的图片",image2);//这时显示的就是最相似的照片
    cvWaitKey(0);
    cin.get();                    //吃掉回车符
}

实验结果如下：

我的照片库如下：

至此，简单地完成了检测并且识别人脸的功能。