QT人脸识别知识

机器学习的作用：根据提供的图片模型通过算法生成数据模型，从而在其它图片中查找相关的目 标。

级联分类器：是用来人脸识别。 在判断之前，我们要先进行学习，生成人脸的模型以便后续识别使用。

人脸识别器：判断是谁的面部。 FaceRecognizer类是opencv提供的人脸识别器基类，LBPHFaceRecognizer是根据LBPH算法实现的识别器类，其中LBPHFaceRecognizer识别器支持在原有模型基础上继续学习（模型数据可以累计）。

创建LBPHFaceRecognizer识别器对象

 所需的头文件：#include 、using namespace cv::face;
 创建空的人脸识别器对象：Ptr recognizer =
 LBPHFaceRecognizer::create();
 ​
 根据已有的模型创建人脸识别器对象，在创建人脸识别器的时候，需要一个已经学习好的模型文件：
 Ptr recognizer = FaceRecognizer::load("模型文
 件.xml");

机器学习并更新模型

 容器：容器中装了n张人脸Mat对象，先采集脸，装到容器中，存储标签，人的身份证，每一张脸
 给一个编号：1 张三脸 2 李四脸 3 王五脸。
 功能函数1：void update(InputArrayOfArray src,InputArray labels)//机器学习并更新模型
 功能函数2：void train(InputArrayOfArrays src,InputArray labels);//只是学习，不更新
 //参数1src：图片模型数组 vector
 //参数2labels：标签数组，每个模型识别后的标签vector

保存模型

 功能函数：void save(const String& filename);//参数1：模型文件的名字
 例如：
 recognizer->update(study_faces,study_label);//学习
 recognizer->save("face.xml");//将学习的成果，保存到face.xml模型文件中，生成模型：
 study_faces.clear();、study_labels.clear();

预测目标

 判断这个人脸到底是谁。
 功能函数：
 void predict(InputArray src,  int &label,  double &confidence)
 //参数1：预测图形 Mat src
 //参数2：:预测后的标签，学习时对应的标签
 //参数3：预测出结果的可信度，数值越小可信度越高
 例如：
 int label = -1;//预测后的标签，学习时对应的标签
 double confidence = 0;//可信度
 Mat face = frame(faces[0]);//人脸区域
 cvtColor(face,face,CV_BGR2GRAY);//更改色彩空间
 cv::resize(face,face,Size(90,90));//设置人脸的大小
 recognizer->predict(face,label,confidence); //预测，相当于识别人脸，预测出人脸是谁的
 面部，label的值就那张脸对应的标签，如果预测不到，label的值是-1。
 

设置可信度

 功能函数：void setThreshold(double val);
 //参数1：预测可信度极值，预测可信度超出极值则预测失败。

实例：

头文件

#ifndef WIDGET_H
#define WIDGET_H


#include 
#include 
#include 
#include 
#include
#include 
#include 

源文件：

#include "widget.h"
#include "ui_widget.h"


Widget::Widget(QWidget *parent) :
    QWidget(parent),
    ui(new Ui::Widget)
{
    ui->setupUi(this);


    //将登录按钮设置成不可用状态
    ui->loginBtn->setEnabled(false);


    //启动摄像头
    if(!v.open(0))
    {
        QMessageBox::information(this, "错误","打开摄像头失败");
        return ;
    }


    //将级联分类器加载进来
    if(!c.load("D:/opencv/resource/haarcascade_frontalface_alt2.xml"))
    {
        QMessageBox::information(this,"失败", "人脸识别模型装载失败");
        return ;
    }


    //配置人脸识别器
    QFile file("D:/opencv/resource/myFace.xml");
    //判断文件是否存在，如果存在，则直接下载，如果不存在，则创建一个人脸识别器
    if(file.exists())
    {
        //人脸模型存在，直接下载即可
        recognizer = FaceRecognizer::load("D:/opencv/resource/myFace.xml");
    }else
    {
        //人脸模型不存在，需要进行创建
        recognizer = LBPHFaceRecognizer::create();
    }


    //启动人脸检测的定时器
    checkId = this->startTimer(3000);
    //设置人脸识别的可信度
    recognizer->setThreshold(100);
    flag = 0;                         //表明开始时就处于检测




}


Widget::~Widget()
{
    delete ui;
}
//打开摄像头按钮对应的槽函数
void Widget::on_openCameraBtn_clicked()
{
    //启动定时器
    cameraId = this->startTimer(20);


    ui->cameraLab->show();
}


//关闭摄像头
void Widget::on_closeCameraBtn_clicked()
{
    //关闭定时器
    this->killTimer(cameraId);


    ui->cameraLab->hide();


}


//定时器事件处理函数
void Widget::timerEvent(QTimerEvent *event)
{
    //判断是哪个定时器到位
    if(event->timerId() == cameraId)
    {
        //1、从摄像头中读取一张图像
        v.read(src);            //得到原图
        //2、将图像翻转
        flip(src, src, 1);


        //3、将src的bgr图像转换为rgb图像
        cvtColor(src, rgb, CV_BGR2RGB);


        //4、重新设置大小
        cv::resize(rgb, rgb, Size(300,300));


        //5、灰度处理
        cvtColor(rgb, gray, CV_RGB2GRAY);


        //6、均衡化处理
        equalizeHist(gray, dst);


        //7、使用级联分类器获取人脸矩形区域
        c.detectMultiScale(dst, faces);


        //8、将矩形框绘制到rgb图像上
        for(int i=0; icameraLab->setPixmap(QPixmap::fromImage(img));
    }


    //判断是否是人脸录入定时器到位
    if(event->timerId() == studyId)
    {
        //判断ui界面是否有矩形框
        if(faces.empty())return;
        //判断人脸识别器是否存在
        if(recognizer.empty()) return;


        //提示正在录入人脸
        qDebug()<<"正在录入，请稍后...";


        //获取ui界面中矩形框框起来的人脸区域
        Mat face = src(faces[0]);


        //将该图像进行重新设置大小
        cv::resize(face,face,Size(100,100));


        //灰度处理
        cvtColor(face,face,CV_BGR2GRAY);
        //均衡化处理
        equalizeHist(face,face);


        //将人脸放入学习容器中
        study_face.push_back(face);
        study_lab.push_back(1);


        count++;              //表明完成一次人脸的存放
        if(count == 50)          //已经收集50张人脸进行学习
        {
            count = 0;           //以便于下一次录入


            //更新人脸模型，将图像模型转换为数据模型
            //函数原型：void update(InputArrayOfArrays src, InputArray labels);
            //参数1：要进行更新的人脸数组
            //参数2：要跟新的人脸标签数组
            //返回值：无
            recognizer->update(study_face, study_lab);


            //将数据模型保存到本地磁盘中
            recognizer->save("D:/opencv/resource/myFace.xml");


            //殿后工作
            study_face.clear();            //清空人脸数组
            study_lab.clear();                //清空标签数组
            flag = 0;                         //表明录入已经结束，可以进行人脸检测了
            ui->inputFaceBtn->setEnabled(true);      //按钮设置成可用状态
            this->killTimer(studyId);                 //关闭人脸录入的定时器
            QMessageBox::information(this,"成功","人脸录入成功");
        }


    }




    //判断是否是人脸检测的定时器到位
    if(event->timerId() == checkId)
    {
        qDebug()<<"正在检测...";


        //判断是否处于检测
        if(flag == 0)
        {
            QFile file("D:/opencv/resource/myFace.xml");
            if(file.exists())         //表明人脸模型存在的基础上进行识别
            {
                if(faces.empty() || recognizer->empty()) return;       //ui界面无矩形框或者没有人脸识别器


                //到此表明可以进行检测
                Mat face = src(faces[0]);
                //重新设置大小，保持跟保存人脸时一致
                cv::resize(face,face,Size(100,100));


                //灰度处理
                cvtColor(face,face,CV_BGR2GRAY);
                //均衡化处理
                equalizeHist(face,face);


                //定义记录检测后返回的结果的变量
                int lab = -1;                 //返回的图像的标签
                double conf = 0.0;             //返回图像的可信度


                //将该人脸进行预测
                recognizer->predict(face, lab, conf);
                qDebug()<<"lab = "<startTimer(60);


    //将按钮设置成不可用状态
    ui->inputFaceBtn->setEnabled(false);
    //将flag设置成1,表示正在录入人脸，不要进行人脸检测了
    flag = 1;
    count = 0;           //清空计数器
}