关键词:
本文由@星沉阁冰不语出品,转载请注明作者和出处。
文章链接:http://blog.csdn.net/xingchenbingbuyu/article/details/51407336
微博:http://weibo.com/xingchenbing
在之前的博客人脸识别之一数据收集和预处理之中,已经下载了ORL人脸数据库,并且为了识别自己的人脸写了一个拍照程序自拍。之后对拍的照片进行人脸识别和提取,最后我们得到了一个包含自己的人脸照片的文件夹s41。在博客的最后我们提到了一个非常重要的文件——at.txt。
一、csv文件的生成
当我们写人脸模型的训练程序的时候,我们需要读取人脸和人脸对应的标签。直接在数据库中读取显然是低效的。所以我们用csv文件读取。csv文件中包含两方面的内容,一是每一张图片的位置所在,二是每一个人脸对应的标签,就是为每一个人编号。这个at.txt就是我们需要的csv文件。生成之后它里面是这个样子的:
前面是图片的位置,后面是图片所属人脸的人的标签。
要生成这样一个文件直接用手工的方式一个一个输入显然不可取的,毕竟这里有400多张图片。而且这种重复性的工作估计也没人想去做。所以我们可以用命令行的方式简化工作量;或者用opencv自带的Python脚本来自动生成。
命令行方式是这样的。比如我的数据集在C:\\Users\\bingbuyu\\Downloads\\att_faces文件夹下面,我就用下面两行命令:
然后数据集文件夹下面就多出了一个at.txt文件,但是现在是只有路径没有标签的。像下面这样:
标签需要手动敲上去。。。也挺麻烦的。
好在opencv教程里面为我们提供了自动生成csv文件的脚本。路径类似这样:F:\\opencv\\sources\\modules\\contrib\\doc\\facerec\\src\\create_csv.py。我不知道怎么用命令行参数的形式运行Python脚本,所以只能把代码里面的BASE_PATH手动的改成自己的数据集路径,改完大致是这样:
#!/usr/bin/env python
import sys
import os.path
# This is a tiny script to help you creating a CSV file from a face
# database with a similar hierarchie:
#
# philipp@mango:~/facerec/data/at$ tree
# .
# |-- README
# |-- s1
# | |-- 1.pgm
# | |-- ...
# | |-- 10.pgm
# |-- s2
# | |-- 1.pgm
# | |-- ...
# | |-- 10.pgm
# ...
# |-- s40
# | |-- 1.pgm
# | |-- ...
# | |-- 10.pgm
#
if __name__ == "__main__":
#if len(sys.argv) != 2:
# print "usage: create_csv <base_path>"
# sys.exit(1)
#BASE_PATH=sys.argv[1]
BASE_PATH="C:/Users/bingbuyu/Downloads/att_faces"
SEPARATOR=";"
fh = open("../etc/at.txt",'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()
然后运行这个脚本就可以生成一个既有路径又有标签的at.txt了。
二、训练模型
现在数据集、csv文件都已经准备好了。接下来要做的就是训练模型了。
这里我们用到了opencv的Facerecognizer类。opencv中所有的人脸识别模型都是来源于这个类,这个类为所有人脸识别算法提供了一种通用的接口。文档里的一个小段包含了我们接下来要用到的几个函数:
OpenCV 自带了三个人脸识别算法:Eigenfaces,Fisherfaces 和局部二值模式直方图 (LBPH)。这里先不去深究这些算法的具体内容,直接用就是了。如果有兴趣可以去看相关论文。接下来就分别训练这三种人脸模型。这个时候就能体现出Facerecognizer类的强大了。因为每一种模型的训练只需要三行代码:
Ptr<FaceRecognizer> model = createEigenFaceRecognizer();
model->train(images, labels);
model->save("MyFacePCAModel.xml");
Ptr<FaceRecognizer> model1 = createFisherFaceRecognizer();
model1->train(images, labels);
model1->save("MyFaceFisherModel.xml");
Ptr<FaceRecognizer> model2 = createLBPHFaceRecognizer();
model2->train(images, labels);
model2->save("MyFaceLBPHModel.xml");
当然在这之前要先把之前图片和标签提取出来。这时候就是at.txt派上用场的时候了。
//使用CSV文件去读图像和标签,主要使用stringstream和getline方法
static 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())
images.push_back(imread(path, 0));
labels.push_back(atoi(classlabel.c_str()));
在模型训练好之后我们拿数据集中的最后一张图片做一个测试,看看结果如何。
Mat testSample = images[images.size() - 1];
int testLabel = labels[labels.size() - 1];
<span style="white-space:pre"> </span>//。。。。这里省略部分代码。。。。。。。。
// 下面对测试图像进行预测,predictedLabel是预测标签结果
int predictedLabel = model->predict(testSample);
int predictedLabel1 = model1->predict(testSample);
int predictedLabel2 = model2->predict(testSample);
// 还有一种调用方式,可以获取结果同时得到阈值:
// int predictedLabel = -1;
// double confidence = 0.0;
// model->predict(testSample, predictedLabel, confidence);
string result_message = format("Predicted class = %d / Actual class = %d.", predictedLabel, testLabel);
string result_message1 = format("Predicted class = %d / Actual class = %d.", predictedLabel1, testLabel);
string result_message2 = format("Predicted class = %d / Actual class = %d.", predictedLabel2, testLabel);
cout << result_message << endl;
cout << result_message1 << endl;
cout << result_message2 << endl;
由于本来的数据集中是40个人,加上自己的人脸集就是41个。标签是从0开始标的,所以在这里我是第40个人。也即是说Actual class应该40。Predicted class也应该是40才说明预测准确。这里我们可以看到结果:
结果正确。
模型训练的全部代码:
//#include "stdafx.h"
#include <opencv2/opencv.hpp>
#include <iostream>
#include <fstream>
#include <sstream>
#include <math.h>
using namespace cv;
using namespace std;
static Mat norm_0_255(InputArray _src)
Mat src = _src.getMat();
// 创建和返回一个归一化后的图像矩阵:
Mat dst;
switch (src.channels())
case1:
cv::normalize(_src, dst, 0, 255, NORM_MINMAX, CV_8UC1);
break;
case3:
cv::normalize(_src, dst, 0, 255, NORM_MINMAX, CV_8UC3);
break;
default:
src.copyTo(dst);
break;
return dst;
//使用CSV文件去读图像和标签,主要使用stringstream和getline方法
static 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())
images.push_back(imread(path, 0));
labels.push_back(atoi(classlabel.c_str()));
int main()
//读取你的CSV文件路径.
//string fn_csv = string(argv[1]);
string fn_csv = "at.txt";
// 2个容器来存放图像数据和对应的标签
vector<Mat> images;
vector<int> labels;
// 读取数据. 如果文件不合法就会出错
// 输入的文件名已经有了.
try
read_csv(fn_csv, images, labels);
catch (cv::Exception& e)
cerr << "Error opening file \\"" << fn_csv << "\\". Reason: " << e.msg << endl;
// 文件有问题,我们啥也做不了了,退出了
exit(1);
// 如果没有读取到足够图片,也退出.
if (images.size() <= 1)
string error_message = "This demo needs at least 2 images to work. Please add more images to your data set!";
CV_Error(CV_StsError, error_message);
// 下面的几行代码仅仅是从你的数据集中移除最后一张图片
//[gm:自然这里需要根据自己的需要修改,他这里简化了很多问题]
Mat testSample = images[images.size() - 1];
int testLabel = labels[labels.size() - 1];
images.pop_back();
labels.pop_back();
// 下面几行创建了一个特征脸模型用于人脸识别,
// 通过CSV文件读取的图像和标签训练它。
// T这里是一个完整的PCA变换
//如果你只想保留10个主成分,使用如下代码
// cv::createEigenFaceRecognizer(10);
//
// 如果你还希望使用置信度阈值来初始化,使用以下语句:
// cv::createEigenFaceRecognizer(10, 123.0);
//
// 如果你使用所有特征并且使用一个阈值,使用以下语句:
// cv::createEigenFaceRecognizer(0, 123.0);
Ptr<FaceRecognizer> model = createEigenFaceRecognizer();
model->train(images, labels);
model->save("MyFacePCAModel.xml");
Ptr<FaceRecognizer> model1 = createFisherFaceRecognizer();
model1->train(images, labels);
model1->save("MyFaceFisherModel.xml");
Ptr<FaceRecognizer> model2 = createLBPHFaceRecognizer();
model2->train(images, labels);
model2->save("MyFaceLBPHModel.xml");
// 下面对测试图像进行预测,predictedLabel是预测标签结果
int predictedLabel = model->predict(testSample);
int predictedLabel1 = model1->predict(testSample);
int predictedLabel2 = model2->predict(testSample);
// 还有一种调用方式,可以获取结果同时得到阈值:
// int predictedLabel = -1;
// double confidence = 0.0;
// model->predict(testSample, predictedLabel, confidence);
string result_message = format("Predicted class = %d / Actual class = %d.", predictedLabel, testLabel);
string result_message1 = format("Predicted class = %d / Actual class = %d.", predictedLabel1, testLabel);
string result_message2 = format("Predicted class = %d / Actual class = %d.", predictedLabel2, testLabel);
cout << result_message << endl;
cout << result_message1 << endl;
cout << result_message2 << endl;
waitKey(0);
return 0;
-----------------------------------------------
更新:opencv3版本的代码有所改动,请参考较新的博客提示。
-----------------------------------------------
知识星球
除了平时发文章之外,也会发一些平时学习过程中其他的参考资料和代码,欢迎加入。
opencv实践之路——人脸识别之一数据收集和预处理(代码片段)
本文由@星沉阁冰不语出品,转载请注明作者和出处。文章链接:http://blog.csdn.net/xingchenbingbuyu/article/details/51386949微博:http://weibo.com/xingchenbing 前段时间对人脸检测和人脸标记进行了一些尝试:人脸检测(C... 查看详情
opencv_人脸检测模型训练人脸识别
...人脸识别一个小案例,主要是帮助小伙伴们解决如何入门OpenCV人脸识别的问题,现在的AI行业比较火热,AI技术的使用比较广泛。就拿现在的只能手机来说吧,现在很多智能手机都必须有人脸识别解锁、拍照自动美颜、拍照物体... 查看详情
基于opencv的人脸采集训练及识别应用
摘要 本文主要基于Python展现人脸识别的应用过程和方法,从人脸采集,人脸模型训练以及人脸识别应用讨论这三个过程简单是如何共同构成我们日常中人脸识别技术应用的,提高我们队人脸识别技术及应用的认识。通过采集... 查看详情
javacv人脸识别三部曲之二:训练(代码片段)
...):https://github.com/zq2599/blog_demos本篇概览本文是《JavaCV人脸识别三部曲》的第二篇,前文《视频中的人脸保存为图片》咱们借助摄像头为两位群众演员生成大量人脸照片,如下图,群众演员A的照片保存在E:\\temp\\2021... 查看详情
javacv人脸识别三部曲之二:训练(代码片段)
...):https://github.com/zq2599/blog_demos本篇概览本文是《JavaCV人脸识别三部曲》的第二篇,前文《视频中的人脸保存为图片》咱们借助摄像头为两位群众演员生成大量人脸照片,如下图,群众演员A的照片保存在E:\\temp\\2021... 查看详情
javacv人脸训练和人脸识别代码实现(代码片段)
...;/version></dependency>java代码如下:importorg.bytedeco.opencv.global.opencv_imgcodecs;importorg.bytedeco.opencv.opencv_core.Mat;importorg.bytedeco.opencv.opencv_core.MatVector;importorg.bytedeco.opencv.opencv_core.Size;importorg.bytedeco.opencv.opencv_face.FaceRecognizer;importor... 查看详情
python+opencv人脸识别身份认证系统设计:专栏总述
...集和存储、训练人脸识别模型和实现人脸识别。Python+OpenCV实现AI人脸识别身份认证系统(1)—人脸识别原理Python+OpenCV实现AI人脸识别身份认证系统(2)—人脸数据采集、存储Python+OpenCV实现AI人脸识别身份认证系统(3)—训练人... 查看详情
opencv实践之路——人脸检测(c++/python)(代码片段)
...nbing 之前一直觉得人脸检测是非常麻烦的,即使是用opencv,麻烦到我都不敢去碰 查看详情
人脸识别模型的动手实践!
作者:宋志龙 来源:Datawhale人脸识别已经成为生活中越来越常见的技术,其中最关键的问题就是安全,而活体检测技术又是保证人脸识别安全性的一个重要手段,本文将向大家简单介绍活体检测,并动手... 查看详情
opencv训练自己的模型,实现特定物体的识别(代码片段)
1.说明opencv安装包中有训练好的分类器文件,可以实现人脸的识别。当然,我们也可以训练自己的分类器文件,实现对特定物体的识别。本文章就详细介绍下如何训练自己的分类器文件。2.效果我训练的是检测苹果的... 查看详情
人脸识别模型的动手实践!
Datawhale干货 作者:宋志龙,算法工程师,Datawhale成员人脸识别已经成为生活中越来越常见的技术,其中最关键的问题就是安全,而活体检测技术又是保证人脸识别安全性的一个重要手段,本文将向大家... 查看详情
利用opencv做一个简单的人脸识别(代码片段)
...我本项目演示视频B站戳我戳我戳我加入界面的效果安装opencv和包模块opencv-contrib-python安装失败的解决方案pipuninstallopencv-pythonpipuninstallopencv-contrib-pyt 查看详情
opencv学习之路(41)人脸识别
一、人脸检测并采集个人图像//take_photo.cpp#include<opencv2/opencv.hpp>usingnamespacecv;usingnamespacestd;voidtake_photo(){VideoCapturecap(0);//打开摄像头if(!cap.isOpened())return;//加载级联检测器CascadeClassifiercascade 查看详情
基于python如何建立人脸库
...装Python和相关包:首先,您需要安装Python和相关的包,如OpenCV、NumPy等,以便使用Python来处理图像和视频。2.获取人脸数据:您需要获取足够多的人脸数据,以便训练模型。3.提取特征:使用Python中的OpenCV库,您可以提取人脸图像... 查看详情
python+opencv实现简单的人脸识别(代码片段)
前言最近自己尝试了python+opencv实现简单的人脸识别,接下来我将一步步讲解我实现其功能的详细步骤,有不对的地方请指正具体的功能是:识别图片或者视频片段中的人脸,打印出识别的信息模块这里我将罗... 查看详情
21个项目玩转深度学习:基于tensorflow的实践详解06—人脸检测和识别——mtcnn人脸检测(代码片段)
本篇主要讲述利用MTCNN的预训练模型得到原图中人脸的分割,代码如下:https://github.com/davidsandberg/facenet结合博客https://blog.csdn.net/FortiLZ/article/details/81396566?tdsourcetag=s_pctim_aiomsg看起来省力些要是对MTCNN的训练过程感兴趣的,可以看h... 查看详情
图像处理——基于机器视觉技术的人脸在线识别系统设计(代码片段)
...sp;机器视觉; 图像处理; 人脸检测;人脸识别;OpenCV;人脸模型训练一、设计目标 掌握人脸识别步骤;熟悉条人脸识别的相关算法;熟悉机器视觉系统设计的一般流程;掌握常用图像处理技术与OpenCV的使用方法;&nb... 查看详情
实现人脸识别性别之路---opencv
importcv2frommake_imgeimportget_file_namefromtrain_phimportModelimportosIMAGE_SIZE=128if__name__=="__main__":name=get_file_name("E:\gender_image")model=Model()model.load()facecas=cv2.CascadeClassifie 查看详情