美文网首页简书收藏--C++实战OpenCV与深度学习C++
OpenCV人脸识别之一:数据收集和预处理

OpenCV人脸识别之一:数据收集和预处理

作者: 冰不语 | 来源:发表于2017-04-07 15:05 被阅读3172次

    本系列人脸识别文章用的是opencv2,最新版的opencv3.2的代码请参考文章:

    OpenCV之识别自己的脸——C++源码放送


    前段时间对人脸检测进行了一些尝试:人脸检测(C++/Python)但是检测和识别是不同的,检测解决的问题是图片中有没有人脸;而识别解决的问题是,如果一张图片中有人脸,这是谁的脸。人脸检测可以利用opencv自带的分类器,但是人脸识别就需要自己收集数据,自己训练分类器了。opencv给出的有人脸识别的教程:Face Recognition with OpenCV。网上也可以找到中文版本的。

    正所谓自己动手丰衣足食。站在巨人的肩膀上,参考前辈们的经验,终于能够识别出自己了。由于感觉内容较多,而且没有时间一次性写完,所以准备分阶段来写。每一篇博客是一个阶段的工作。初步设想分为数据收集和预处理、训练模型和人脸识别三个部分。今天先写第一部分。

    一、背景数据集

    本次用的数据集市opencv给出的教程里面的第一个数据集:The AT&T Facedatabase。又称ORL人脸数据库,40个人,每人10张照片。照片在不同时间、不同光照、不同表情(睁眼闭眼、笑或者不笑)、不同人脸细节(戴眼镜或者不戴眼镜)下采集。所有的图像都在一个黑暗均匀的背景下采集的,正面竖直人脸(有些有有轻微旋转)。
    下载下来之后是这样的:


    可以看到每个人一个文件夹,每个文件夹下是这个人的十张照片,但是不是我们熟悉的BMP或者是PNG或者是JPEG格式的,而是PGM格式的。windows7自带的照片查看器和画图软件都不能打开这种格式的图片。不过好在我昨天刚对imread()函数研究过:使用imread()函数读取图片的六种正确姿势。所以记得opencv文档里有这样的描述:

    imread()还是很强大的,所以写个程序看看那这些人是什么样吧。

    二、自己的人脸数据集

    1.拍照程序

    想要识别自己,单有别人的数据集还是不行的,还需要自己人脸的照片才行。这就需要我们收集自己的照片,然后和上面的那个数据集一起来训练模型。在拿着手机自拍的过程中我想到,问什么不写一个程序用电脑的摄像头自拍呢,随便还能研究下怎么用opencv实现拍照的功能。经过一番实验(其实还是费了好长时间),终于写了一个拍照程序。

    程序的功能就是打开电脑摄像头,当P键按下(P是拍照的首字母?还是Photo的首字母?还是Picture的首字母?)的时候,保存当前帧的图像。简单到没朋友(竟然耗费了那么久!)。

    while (1)
            {
                char key = waitKey(100);
                cap >> frame;
                imshow("frame", frame);
                string filename = format("D:\\pic\\pic%d.jpg", i);
    
                switch (key)
                {
                case'p':
                    i++;
                    imwrite(filename, frame);
                    imshow("photo", frame);
                    waitKey(500);
                    destroyWindow("photo");
                    break;
                default:
                    break;
                }
            }
    

    然后我们就可以运行程序,不停地按下p键对自己一通狂拍了。

    2.预处理

    在得到自己的人脸照片之后,还需要对这些照片进行一些预处理才能拿去训练模型。所谓预处理,其实就是检测并分割出人脸,并改变人脸的大小与下载的数据集中图片大小一致。
    人脸检测在之前的博客中已经做了介绍,这里就不再赘述。详情参考:OpenCV人脸检测(C++/Python)。用ROI分割即可。
    检测出人脸之后改变大小使之与ORL人脸数据库人脸大小一致。通过加断点在Locals里面或者是ImageWatch可以看到ORL人脸数据库人脸的大小是92 x 112。


    这里只需要对检测后得到的ROI做一次resize即可。
    这两步的代码如下:

                std::vector<Rect> faces;
                Mat img_gray;
    
                cvtColor(img, img_gray, COLOR_BGR2GRAY);
                equalizeHist(img_gray, img_gray);
    
                //-- Detect faces
                face_cascade.detectMultiScale(img_gray, faces, 1.1, 3, CV_HAAR_DO_ROUGH_SEARCH, Size(50, 50));
    
                for (size_t j = 0; j < faces.size(); j++)
                {
                    Mat faceROI = img(faces[j]);
                    Mat MyFace;
                    if (faceROI.cols > 100)
                    {
                        resize(faceROI, MyFace, Size(92, 112));
                        string  str = format("D:\\MyFaces\\MyFcae%d.jpg", i);
                        imwrite(str, MyFace);
                        imshow("ii", MyFace);
                    }
                    waitKey(10);
                }
    

    至此,我们就得到和ORL人脸数据库人脸大小一致的自己的人脸数据集。然后我们把自己的作为第41个人,在我们下载的人脸文件夹下建立一个s41的子文件夹,把自己的人脸数据放进去。就成了这样下面这样,最后一个文件夹里面是我自己的头像照片:


    最后那个at.txt放到下一次再说,训练模型就靠它了。
    这里有一点值得注意:我这里保存的图像格式是.jpg的,而不是跟原数据集一样是.pgm的。经测试仍然可以训练出可以正确识别我自己人脸的模型来。但是如果大小不一致会报错。

    之后的内容放到下一次记录。未完待续......

         公众号CVPy,分享OpenCV和Python的实战内容。每一篇都会放出完整的代码。欢迎关注。
    
    cvpy.jpg

    相关文章

      网友评论

        本文标题:OpenCV人脸识别之一:数据收集和预处理

        本文链接:https://www.haomeiwen.com/subject/efyhattx.html