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<FaceRecognizer> 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<FaceRecognizer> recognizer = FaceRecognizer::load<LBPHFaceRecognizer>("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<Mat>//参数2labels：标签数组，每个模型识别后的标签vector<int>

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 <QWidget>
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
#include<opencv2/face.hpp>
#include <vector>
#include <map>
#include <QMessageBox>
#include <QDebug>
#include <QFile>
#include <QTextStream>
#include <QDateTime>
#include <QTimerEvent>
#include<QtSerialPort/QtSerialPort>
#include<QtSerialPort/QSerialPortInfo>
using namespace  cv;
using namespace cv::face;
using namespace std;namespace Ui {
class Widget;
}class Widget : public QWidget
{Q_OBJECTpublic:explicit Widget(QWidget *parent = 0);~Widget();private slots:void on_openCameraBtn_clicked();void on_closeCameraBtn_clicked();void on_inputFaceBtn_clicked();private:Ui::Widget *ui;/***********************第一模块：关于摄像头的相关组件**********************/VideoCapture v;              //视频流对象Mat src;                     //原图像Mat rgb;                     //存放rgb图像，因为qt能识别的图像色彩空间为rgbMat gray;                    //灰度图Mat dst;                     //均衡化图像CascadeClassifier c;         //级联分类器vector<Rect> faces;             //存储人脸矩形区域的容器int cameraId;                //摄像头的定时器void timerEvent(QTimerEvent *event);   //定时器事件处理函数/**********************第二模块：录入人脸的相关组件************************/Ptr<FaceRecognizer> recognizer;          //人脸识别器vector<Mat> study_face;                  //要录入的人脸容器vector<int> study_lab;                   //要录入的人脸的标签int studyId;                             //人脸录入的定时器int flag;                                //标识是否正在录入人脸int count;                                //记录学习的次数/**********************第三模块：人脸检测相关组件*************************/int checkId;                  //人脸检测的定时器};#endif // WIDGET_H

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<LBPHFaceRecognizer>("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; i<faces.size(); i++){rectangle(rgb, faces[i], Scalar(255,0,0), 2);}//9、使用rgb图像，将Mat图，构造出一个qt能识别的图像QImage img(rgb.data, rgb.cols, rgb.rows, rgb.cols*rgb.channels(), QImage::Format_RGB888);//功能：通过其他图像构造出一个QImage图像//参数1：其他图像的数据//参数2：图像的宽度//参数3：图像的高度//参数4：每一行的字节数//参数5：图像格式，24位图，每一种颜色使用8位表示//10、将图像展示到lab中ui->cameraLab->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 = "<<lab<<"   conf = "<<conf;//对人脸识别后的结果进行判断if(lab != -1){ui->loginBtn->setEnabled(true);}}}}}//录入人脸按钮对应的槽函数
void Widget::on_inputFaceBtn_clicked()
{//启动人脸录入的定时器qDebug()<<"开始进行人脸录入...";studyId = this->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
}