人脸辨别（不是检测,而是识别，源码下载）

人脸识别（不是检测,而是识别，源码下载）

之前写了一个能够在任意道路上的汽车识别技术（已经实现，详细解析：http://blog.csdn.net/qjttxz/article/details/7640501），然后有人就问识别有哪些途径，这就让我想起以前大学的时候曾经改用过PCA来做人脸识别，这也算是入门级别吧，现在发现新版本的OPENCV自己的PCA算法封装已经非常强大，PCA的使用已经很简单了。

在讲之前先解析几个基本概念:

Eigenface:是计算机视觉中处理人脸识别时使用的特征向量，Eigenfaces翻译为“特征脸”,意思应该是指“脸特征空间”。

PCA:主成分分析（ Principal Component Analysis ， PCA ）是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。计算主成分的目的是将高维数据投影到较低维空间。给定 n 个变量的 m 个观察值，形成一个 n ′ m 的数据矩阵， n 通常比较大。对于一个由多个变量描述的复杂事物，人们难以认识，那么是否可以抓住事物主要方面进行重点分析呢？如果事物的主要方面刚好体现在几个主要变量上，我们只需要将这几个变量分离出来，进行详细分析。但是，在一般情况下，并不能直接找出这样的关键变量。这时我们可以用原有变量的线性组合来表示事物的主要方面， PCA 就是这样一种分析方法。

编译使用的是OPENCV2.4（以前的 PCA封装很多参数的，这里不说了，要讲太费劲了）

整个源码地址：http://download.csdn.net/detail/qjttxz/4375753

#include &lt;iostream&gt;#include "cv.h"#include "highgui.h" using namespace std;using namespace cv; Mat normalize(const Mat& src) {    Mat srcnorm;    normalize(src, srcnorm, 0, 255, NORM_MINMAX, CV_8UC1);    return srcnorm;} int main(int argc, char *argv[]) {    vector&lt;Mat&gt; db;     // 加载灰度图片( 下载地址 http://www.cl.cam.ac.uk/research/dtg/attarchive/facedatabase.html)    db.push_back(imread("s1/1.pgm",0));    db.push_back(imread("s1/2.pgm",0));    db.push_back(imread("s1/3.pgm",0));     db.push_back(imread("s2/1.pgm",0));    db.push_back(imread("s2/2.pgm",0));    db.push_back(imread("s2/3.pgm",0));     db.push_back(imread("s3/1.pgm",0));    db.push_back(imread("s3/2.pgm",0));    db.push_back(imread("s3/3.pgm",0));     db.push_back(imread("s4/1.pgm",0));    db.push_back(imread("s4/2.pgm",0));    db.push_back(imread("s4/3.pgm",0));     int total = db[0].rows * db[0].cols;     // 构建数据库阵列,这是不拷贝数据的，只是改变数据矩阵    Mat mat(total, db.size(), CV_32FC1);    for(int i = 0; i &lt; db.size(); i&#43;&#43;) {        Mat X = mat.col(i);        db[i].reshape(1, total).col(0).convertTo(X, CV_32FC1, 1/255.);    }     // 设定主要成分数量    int numPrincipalComponents = 12;     // 运行PCA    PCA pca(mat, Mat(), CV_PCA_DATA_AS_COL, numPrincipalComponents);     namedWindow("avg", 1);    namedWindow("pc1", 1);    namedWindow("pc2", 1);    namedWindow("pc3", 1);     // 找出最接近的面    imshow("avg", pca.mean.reshape(1, db[0].rows));     // 其他面的eigenfaces特征    imshow("pc1", normalize(pca.eigenvectors.row(0)).reshape(1, db[0].rows));    imshow("pc2", normalize(pca.eigenvectors.row(1)).reshape(1, db[0].rows));    imshow("pc3", normalize(pca.eigenvectors.row(2)).reshape(1, db[0].rows));   waitKey(0);

代码够简单了吧，我已经把相关参数做了说明了。

下面再给出参考资料的网址，有兴趣的必须去看看：

eiqenface特征的说明：http://en.wikipedia.org/wiki/Eigenface

eigenface人脸识别的paper：http://www.cs.tau.ac.il/~shekler/Seminar2007a/PCA%20and%20Eigenfaces/eigenfaces_cvpr.pdf

OPENCV的eigenface解析：

http://www.bytefish.de/blog/fisherfaces

http://www.cognotics.com/opencv/servo_2007_series/part_4/index.html

13楼qjttxz9小时前: HDR的功能我没用过，不过国外是有HDR的开源算法吧。

12楼yunchao630昨天 23:22: 终于见到C++的版本了，有空学习下

11楼gzhujsj昨天 11:04

博主，我发现使用opencv 做人脸检测和识别，发现，头发对识别的结果影响很大，请问应该怎样处理？

Re: qjttxz昨天 12:14: 回复gzhujsjn头发遮掩导致整个面部特征缺失，可以局部分析面部其他特征，例如嘴巴，或者把头发效果剔除。

10楼guoming0000昨天 06:24

顶一下楼主，但其实写的不够多啊，新的OpenCV目录下OpenCV241\opencv\modules\contrib\src有个facerec.cpp文件，里面有pca，lda等人脸识别算法。

Re: qjttxz昨天 08:40

回复guoming0000n其实想多写的，只是时间比较少，只能一点点来。

Re: guoming0000昨天 09:46: 回复qjttxzn(⊙o⊙)哦，那我很期待，这个是我课题~难憋啊~

9楼han_yankun20093天前 23:13: 精辟

8楼liutengteng1303天前 23:11: 学习了，很厉害啊。

7楼mazhaojuan3天前 22:14: 好！

6楼sunjunlaing523天前 19:21: 看不懂顶一顶

5楼fzxy0027633天前 19:05: 学习了下

4楼stonexing53天前 15:22: 兄地有没有用opencv实现HDR功能

3楼sglogin3天前 13:13: 顶，虽然不懂，感觉很强大

2楼lonelyrains4天前 18:03: 感觉opencv的代码还是很全的，自己也整过，能识别一些脸型的眼睛。但是效果不是很好。对里面的原理不是很清楚，opencv的结构也不太明白。楼主很优秀，还请以后多写写这方面的。个人认为工程方面的东西不用太详细写。

1楼fengzi2009F4天前 16:59: 收藏了，很强大

人脸辨别（不是检测,而是识别源码下

热点推荐