opencv人脸识别源代码分享

opencv人脸识别源代码分享

对人类来说，人脸识别很容易仅仅是才三天的婴儿已经可以区分周围熟悉的人脸了。那么对于计算机来说，到底有多难？其实，迄今为止，我们对于人类自己为何可以区分不同的人所知甚少。是人脸内部特征（眼睛、鼻子、嘴巴）还是外部特征（头型、发际线）对于人类识别更有效？

自动人脸识别就是如何从一幅图像中提取有意义的特征，把它们放入一种有用的表示方式，然后对他们进行一些分类。基于几何特征的人脸的人脸识别可能是最直观的方法来识别人脸。

人脸识别的第一步，就是人脸检测。把人的脸部从一张照片中用计算机自动识别出来，作为下一步人脸识别的基础。

在中，库中自带了一个利用harr特征的人脸检测训练及检测函数：。它利用训练好的检测器，在图片中间检测你想要的物体，如人脸。自带了很多检测器，在%%data/目录下，你可以随意取用。或者你也可以自己用图片训练自己的检测器，之后拿来使用。

如何来用来实现能。 　　下面给出实现人脸检测的一般步骤：

1.加载人脸检测器

2.开启摄像头

3.对图片进行灰度处理（其实可以不处理，上图中原图的标题栏就是未进行灰度处理进行的检测，这里的灰度是为下节人脸识别打基础）

4.对图片进行直方图均衡化（其实可以不处理，上图中原图的标题栏就是未进行灰度处理进行的检测和灰度图是为进行均衡化识别，这里的均衡化是为下节人脸识别打基础）

5.人脸检测

总结下opencv 人脸识别代码，如果单单只要人脸检测，可以的步骤是1，2opencv 人脸识别代码，5

程序截图如下：

下面是完整的代码，本代码还有大量注释，在此不再具体说明哪个函数有什么用。

［cpp］ view plain copy# 《.hpp》

# 《/core/core.hpp》

# 《》

using cv;

void （Mat ，Mat &gray）

//普通台式机3通道BGR，移动设备为4通道

if （.（） == 3）

（， gray， ）;

else if （.（） == 4）

（， gray，）;

else

gray = ;

int main（）

//加载Haar或LBP对象或人脸检测器

std：： = “.xml”;

//友好错误信息提示

try{

.load（）;

catch （cv：： e）{}

if （.empty（））

std：：cerr 《《 “脸部检测器不能加载 （”;

std：：cerr 《《 《《 “）！” 《《 std：：endl;

exit（1）;

//打开摄像头

（0）;

while （true）

Mat ;

》》 ;

if （.empty（））

std：：cerr 《《 “无法获取摄像头图像” 《《 std：：endl;

（）;

exit（1）;

Mat （.size（）opencv人脸识别源代码分享，）;

//人脸检测只试用于灰度图像

Mat gray;

（， gray）;

//直方图均匀化（改善图像的对比度和亮度）

Mat ;

（gray， ）;

//人脸检测用 ：：来进行人脸检测

int flags = |RCH; //只检测脸最大的人

//int flags = ; //检测多个人

Size （30， 30）;

float = 1.1f;

int = 4;

std：：《Rect》 faces;

.（， faces， ， ， flags， ）;

//画矩形框

cv：：Mat face;

cv：：Point ;

for （ i = 0; i 《 faces.size（）; i++）

if （faces［i］. 》 0 && faces［i］.width 》 0）

face = gray（faces［i］）;

= cv：：Point（faces［i］.x， faces［i］.y）;

cv：：（， faces［i］，cv：：（255opencv人脸识别源代码分享， 0， 0）， 1， 8， 0）;

cv：：（gray， faces［i］， cv：：（255， 0， 0）， 1， 8， 0）;

cv：：（， faces［i］，cv：：（255opencv 人脸识别代码， 0， 0）， 1， 8， 0）;

（“直方图均匀化”， ）;

（“灰度化”， gray）;

（“原图”， ）;

（20）;

（）;

0;