一、实验目的：我这里完成的是，将8张人脸图片(4组，每组两张）存入库中，选取1张图片，程序识别出与其匹配的另一张。
这里介绍分三个步骤完成该工作，①程序读取摄像头、拍照
②程序从电脑文档中读取图片
③检测人脸，并用红框框出人脸
④使用感知哈希算法匹配最相似的图片
二、实验环境： Win 7(x64)、visual studio 2010、openCV-2.4.3
使用语言:C++
三、实验准备：①安装好vs2010,本文不予介绍。
②配置opencv :
1‘进入官网下载http://opencv.org/ (OpenCv 2.4x是支持Vs2010的，建议根据自己的Vs版本安装相应的OpenCv的版本)解压后，目录如下：
2‘打开vs2010,创建项目，这里以我的工程名test为例。右击项目->属性->vc++目录->包含目录， 添加三个路径：（在解压后opencv下的build目录）
E:\新建文件夹\opencv\build\include
E:\新建文件夹\opencv\build\include\opencv
E:\新建文件夹\opencv\build\include\opencv2
然后点击库目录，添加路径：E:\新建文件夹\opencv\build\x86\vc10\lib
配置好了后，第二步，点击链接器->输入->附加依赖项,编辑添加，把E:\新建文件夹\opencv\build\x86\vc10\bin里面左右的文件名称全导入进去,导入带d的文件，比如有opencv_calib3d243.dll与opencv_calib3d243d.dll文件，只需添加后者带d的即可。
至此，openCV配置已经全部完成。接下来编写代码。
四、编写代码
①为了收集图片库，我编写了直接拍照的功能，按下p进行拍照，并自动命名排序存到文件中。
#include <iostream> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> using namespace cv; int main( int argc, char** argv ) { int i=1;//照片名从1开始命名 while(1) { CvCapture *pCapture=cvCreateCameraCapture(-1);//打开摄像头 Mat image=cvQueryFrame(pCapture); //将摄像头拍的以图片形式展现 cvNamedWindow("frame",1); //命名一个窗口 imshow("frame",image); //在窗口显示图片 string filename=format("C:\\images\\%d.jpg",i); char key=waitKey(100); switch(key) { case‘p‘: i++; //键盘上每按一次p，就拍一张照 imwrite(filename,image); //写入图片 imshow("photo",image); //展示照片 waitKey(500); destroyWindow("photo"); break; default:break; } } }
实验效果：
②读取图片，显示在屏幕上
Mat image=imread("C:\\images\\2.jpg",-1); //使用Mat创建一个对象，-1为打开类型的参数 cvNamedWindow("图像显示",1); //命名一个窗口 ，1为显示参数 imshow("图像显示",image); cvWaitKey(0); //很重要，不写读不出来
③将读取的图片进行检测出人脸。
首先找到opencv目录下，识别人脸的类的文件(包装在data路径下)
Haarcascades_frontalface_default 包装的是 检测人脸，将这个文件拷贝到你的vs工程下。
#include <iostream> #include <string> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/gpu/gpu.hpp> using namespace cv; using namespace std; string xmlPath="C:\\Users\\yu\\Documents\\Visual Studio 2010\\Projects\\加我南\\haarcascade_frontalface_default.xml"; //xmlpath 字符串记录那个.xml文件的路径 void detectAndDisplay(Mat image); int main( int argc,char**argv ) { string path="C:\\Users\\yu\\Documents\\Visual Studio 2010\\Projects\\test\\images\\1.jpg";//以检测图片1.jpg为例 Mat image =imread(path,-1); CascadeClassifier a; //创建脸部对象 if(!a.load(xmlPath)) //如果读取文件不出错，则检测人脸 { cout<<"无法加载xml文件"<<endl; return 0; } detectAndDisplay(image);// 检测人脸 return 0; } void detectAndDisplay(Mat image) { CascadeClassifier ccf; //创建脸部对象 ccf.load(xmlPath); //导入opencv自带检测的文件 vector<Rect> faces; Mat gray; cvtColor(image,gray,CV_BGR2GRAY); equalizeHist(gray,gray); ccf.detectMultiScale(gray,faces,1.1,3,0,Size(50,50),Size(500,500)); for(vector<Rect>::const_iterator iter=faces.begin();iter!=faces.end();iter++) { rectangle(image,*iter,Scalar(0,0,255),2,8); //画出脸部矩形 } Mat image1; for(size_t i=0;i<faces.size();i++) { Point center(faces[i].x + faces[i].width / 2, faces[i].y + faces[i].height / 2); image1= image(Rect(faces[i].x, faces[i].y, faces[i].width, faces[i].height)); } imshow("1",image); imshow("2",image1); cvWaitKey(0); }
实验结果如下：
④进行人脸检测
opencv的FaceRecogizer目前有三个类实现了它，特征脸和fisherface方法最少训练图像为两张，而LBP可以单张图像训练，LBP方法原理：
引用：http://blog.csdn.net/lsq2902101015/article/details/49717441
因此，我想到了与LBP算法类似的感知哈希算法。
说下原理过程：
（1）缩小尺寸：去除高频和细节的最快方法是缩小图片，将图片缩小到8x8的尺寸，共64个像素。不用保持纵横比，只需将其变成8x8的正方形，这样就可以摒弃不同尺寸、比例带来的图片差异
（2）简化色彩：将8x8的小图片转换成灰度图像。
（3）计算平均值：计算所有64个像素的灰度平均值
（4）比较像素的灰度：将每个像素的灰度，与平均值进行比较，大于或等于就记为1，小于均值，就记为0；
（5）计算hash值，将上面的比价比较结果组合在一起，构成了64位的哈希值，就是这张图片的指纹。
（6）通过比较两张图片的哈希值，计算差值得到汉明距离。汉明距离越小，说明两张图片越相似。
引用：http://blog.csdn.net/zouxy09/article/details/17471401
#include <iostream> #include <string> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/gpu/gpu.hpp> using namespace cv; string xmlPath="C:\\Users\\yu\\Documents\\Visual Studio 2010\\Projects\\加我南\\haarcascade_frontalface_default.xml"; string HashValue(Mat &src) //得到图片的哈希值 //很久之前写的，现在想不起来了...注释就先不写了.....抱歉哈。但是是可以运行的 { string rst(64,‘\0‘); Mat img; if(src.channels()==3) cvtColor(src,img,CV_BGR2GRAY); else img=src.clone(); resize(img,img,Size(8,8)); uchar *pData; for(int i=0;i<img.rows;i++) { pData=img.ptr<uchar>(i); for(int j=0;j<img.cols;j++) { pData[j]=pData[j]/4; } } int average=mean(img).val[0]; Mat mask=(img>=(uchar)average); int index=0; for(int i=0;i<mask.rows;i++) { pData = mask.ptr<uchar>(i); for(int j=0;j<mask.cols;j++) { if(pData[j]==0) rst[index++]=‘0‘; else rst[index++]=‘1‘; } } return rst; } int HanmingDistance(string &str1,string &str2) //求两张图片的汉明距离 { if((str1.size()!=64)||(str2.size()!=64)) return -1; int diff=0; for(int i=0;i<64;i++) { if(str1[i]!=str2[i]) diff++; } return diff; } void detectAndDisplay(Mat image) { CascadeClassifier ccf; ccf.load(xmlPath); vector<Rect> faces; Mat gray; cvtColor(image,gray,CV_BGR2GRAY); equalizeHist(gray,gray); ccf.detectMultiScale(gray,faces,1.1,3,0,Size(50,50),Size(500,500)); for(vector<Rect>::const_iterator iter=faces.begin();iter!=faces.end();iter++) { rectangle(image,*iter,Scalar(0,0,255),2,8); //画出脸部矩形 } for(size_t i=0;i<faces.size();i++) { Point center(faces[i].x + faces[i].width / 2, faces[i].y + faces[i].height / 2); image= image(Rect(faces[i].x, faces[i].y, faces[i].width, faces[i].height)); } } //识别并截取人脸 int main( int argc, char** argv ) { using std::cout; using std::endl; using std::cin; cout<<"请输入想要选择的图片"<<endl; int a,x,i; int diff[9]; cin>>a; const string path1=format("C:\\Users\\yu\\Documents\\Visual Studio 2010\\Projects\\test\\images\\%d.jpg",a); Mat image1,image2; image1=imread(path1,-1); string str1,str2,path2; cvNamedWindow("选择的图片",1); /*cvResizeWindow("选择的图片",700,500);*/ imshow("选择的图片",image1); detectAndDisplay(image1); str1=HashValue(image1); cvWaitKey(0); for(i=1;i<=8;i++)//因为我完成的就是8张图片的检测，所以循环值为8 { path2=format("C:\\Users\\yu\\Documents\\Visual Studio 2010\\Projects\\test\\images\\%d.jpg",i); image2=imread(path2,-1); detectAndDisplay(image2); str2=HashValue(image2); diff[i]=HanmingDistance(str1,str2); } int min=1000,t; for(i=1;i<=8;i++) //循环值为8，求与原图片汉明距离最小的那张图片 { if(min>diff[i]&&diff[i]!=0) { min=diff[i]; t=i;} //检测出的标记为t } path2=format("C:\\Users\\yu\\Documents\\Visual Studio 2010\\Projects\\test\\images\\%d.jpg",t); image2=imread(path2,-1);//将图片t显示出来 cvNamedWindow("相似的图片",1); imshow("相似的图片",image2);//这时显示的就是最相似的照片 cvWaitKey(0); cin.get(); //吃掉回车符 }
实验结果如下：
我的照片库如下：
至此，简单地完成了检测并且识别人脸的功能。
原文：http://www.cnblogs.com/yyagrt/p/7260586.html