上一篇簡單整理了下人臉識別的相關(guān)基礎知識，這一篇將著重介紹利用pencv（2.4.9）已有的模型進行分類器訓練。

一、關(guān)于ORL人臉數(shù)據(jù)庫

?ORL是一個40個人，每人采取10張人臉頭像構(gòu)成的一個人臉數(shù)據(jù)庫，尺寸全部為92*112。分為40個文件夾，即每個文件夾中包含有10張人臉照片，為pgm格式。

? ? ?其中s41為拍好并處理好的自己人臉圖像。

值得一提的是，圖片為pgm格式，許多軟件無法讀取，但是別忘了我們的opencv可是圖片處理能力十分強大的噢！如果想看下這些人臉圖是怎樣的，可以使用opencv的imshow函數(shù)進行讀取哦……

二、添加進自己的人臉數(shù)據(jù)

?上面截圖中可以看出，筆者采集了自己的照片，這一步需要有幾個注意點：

1.放入的圖片格式不一定要pgm格式

2.放入的圖片尺寸大小一定要一致（92*112）

3.圖片不需要自己一張張的拍攝，可以寫一段程序進行拍攝，并進行預處理達到要求，?之后放到ORL庫里一起整合。

?參考拍照程序：（為方便截圖取消了代碼行隔開）

此程序拍得的照片已經(jīng)將人臉處理成了92*112的大小。

三、利用已有模型進行訓練

1. ?一個小測試

筆者參照了不少博客大神，受益匪淺。在正式開始實踐前，先做了個小測試，即用較少的人臉數(shù)據(jù)進行訓練和識別測試。做小測試的時候，我是首先從ORL中選擇了2個人的各自5張圖片和自己的5張圖片，共3個人15張人臉圖片進行訓練。(11-15.jpg對應的是我自己，即上圖中1-5.jpg，此處人為復制出來進行命名進行小測試)

其中a1-a5對應一類（0），b1-b5對應一類（1 ),c1-c5對應一類（2），之后要做的就是將這些人臉圖壓進棧，即將照片（image.表示人臉圖像）和標簽（label表分類結(jié)果）下面以a類為例壓進棧。

在之后就是模型的訓練了，opencv自帶的Facerecognizer類。其中有人臉識別接下來會用到的幾個函數(shù)（train、load、save、predict）。

同時opencv自帶了三個人臉識別算法：Eigenfaces，Fisherfaces 和局部二值模式直方圖 (LBPH)。直接調(diào)用這三種算法很簡單，一般都是三句話足夠：

之后就可以直接測試了，以第一種模型為例：

?

2. ? ?數(shù)據(jù)量較大的情況

小測試中共涉及了15張圖片，即使讓你人為命名寫路徑也不算很麻煩，可是人臉識別需要的數(shù)據(jù)往往很大，這就不可能說人為的去一張張圖片的處理了。但是整體的流程和上面小測試是相同的，這里主要介紹一種csv文件的使用方法： ? ? ??

我們需要讀取人臉和人臉對應的標簽。直接在數(shù)據(jù)庫中讀取顯然是低效的。所以我們用csv文件讀取。csv文件中包含兩方面的內(nèi)容，一是每一張圖片的位置所在，二是每一個人臉對應的標簽，就是為每一個人編號。這個at.txt就是我們需要的csv文件。生成之后它里面是這個樣子的：（指定到人臉存儲路徑即可）

????????這里網(wǎng)上有許多教程可以自動生成csv文件，筆者是直接下載別人的，然后查找替換成自己路徑下即可，關(guān)鍵我們要學會的是怎么利用csv文件去訪問圖片和標簽。

????????這里可以參考筆者的程序，先定義子函數(shù)，之后在主程序中調(diào)用即可：

?之后便是一些處理，將攝像頭采集到的圖像檢測出人臉，再將人臉處理成指定格式，調(diào)用predict函數(shù)進行識別，和庫內(nèi)數(shù)據(jù)比較即可。

?以上就是本篇的全部內(nèi)容，如果覺得有用，請幫忙關(guān)注下唄~

總結(jié)

以上是生活随笔為你收集整理的人脸识别（二）——训练分类器的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。