前言

上篇文章我们讲到了OpenCV的安装和简单使用，OpenCV简介及使用（一）。

这篇文章我们来看下如何使用OpenCV进行图像的识别与训练。

正文

由于OpenCV自带人脸识别及检测功能，我们来看下如何使用OpenCV来分辨人脸。

如果要进行人脸识别及训练，需要用到人脸灰度图，且有一定的数量，图片宽高需要保持一致。

上篇文章已经说到如何寻找并裁剪人脸，然后我们将它置灰即可，需要调用org.bytedeco.opencv.global.opencv_imgproc.cvtColor方法，如代码所示cvtColor(image,image,COLOR_BGR2GRAY)。

其中第一个image是原Mat图，第二个image是生成的Mat图，两个设置成一样则生成的灰度图会覆盖原图，COLOR_BGR2GRAY表示生成的图片颜色。

则生成灰度图代码大致如下：

public static Mat detectFace(String sourceImage, String targetImage,int width,int height){
    CascadeClassifier faceDetector = new CascadeClassifier(CASCADE_FACE_FILENAME);
    if(faceDetector.empty()){
        throw new RuntimeException("处理文件时发生异常！");
    }
    Mat image = imread(sourceImage);
    RectVector rectVector = new RectVector();
    // 进行人脸检测
    faceDetector.detectMultiScale(image, rectVector);

    Rect[] rects = rectVector.get();
    if(rects.length <=0 ){
        log.error("原图片上未检测到人脸：{}",sourceImage);
        throw new RuntimeException("原图片上未检测到人脸！！");
    }
    if(rects.length >1){
        log.error("原图片上检测到多个人脸：{}",sourceImage);
        throw new RuntimeException("原图片上检测到多个人脸！！");
    }
    Rect rect = rects[0];
    //人脸裁剪
    image = new Mat(image,rect);
    //将图片置灰
    cvtColor(image,image,COLOR_BGR2GRAY);
    //调整图片大小(如果传入宽高为0，就取rect图片宽高)
    if(width==0||height==0){
        width = rect.width();
        height = rect.height();
    }
    resize(image,image,new Size(width,height));
    //图片落地（灰色图也可以不落地）
    if(StringUtils.isNotBlank(targetImage)){
        imwrite(targetImage, image);
    }
    //返会Mat图
    return image;
}

上述方法里主要使用了OpenCV中org.bytedeco.opencv.global.opencv_imgcodecs和org.bytedeco.opencv.global.opencv_imgproc两个包中的方法。

然后我们开始进行人脸识别训练。

人脸识别器（FaceRecognizer）这个类目前包含三种人脸识别方法：基于PCA变换的人脸识别(EigenFaceRecognizer)、基于Fisher变换的人脸识别(FisherFaceRecognizer)、基于局部二值模式的人脸识别(LBPHFaceRecognizer)。

这儿我们以基于PCA变换的人脸识别(EigenFaceRecognizer)来进行举例。

我们想识别两张不同的人脸，需要首先准备若干样本，这儿我准备了胡歌和刘亦菲的照片各10张来作为训练样本（想要更好的训练效果，训练图片至少要在数百张左右），如下图：

其中胡歌的图片以0-开头，刘亦菲的图片以1-开头，对测试图片进行测试时，识别器的label（识别标签）返回0认为属于胡歌的照片，1认为属于刘亦菲的图片，-1认为不属于他们的照片。

训练时需要使用灰度图，我们使用上面的方法处理下生成宽高相等的灰度图。

其相关代码如下：

public static void faceRecognize(String baseImagePath,String testImage){
    //存放样本的地址
    File dirFile = new File(baseImagePath);
    if(!dirFile.isDirectory()){
       throw new RuntimeException("请指定样本文件目录！！");
    }
    //过滤指定图片文件
    FilenameFilter imgFilter = (dir,name)->{
        name = name.toLowerCase();
        return name.endsWith(".jpg") || name.endsWith(".pgm") || name.endsWith(".png");
    };
    File[] files = dirFile.listFiles(imgFilter);
    if(files == null || files.length==0){
        throw new RuntimeException("目录下没有符合要求的图片文件！！");
    }
    //生成的训练样本（灰色图）临时文件存放在train目录下
    String trainFileBasePath = baseImagePath + "/train";
    File trainFileBase = new File(trainFileBasePath);
    if(!trainFileBase.exists()){
        trainFileBase.mkdir();
    }
    //开始训练逻辑
    //样本灰色图Mat
    MatVector matVector = new MatVector(files.length);
    //样本标签
    Mat labels = new Mat(files.length, 1, CV_32SC1);
    IntBuffer intBuffer = labels.createBuffer();
    int baseWidth = 0;
    int baseHeight = 0;
    for (int i = 0; i < files.length; i++) {
        //灰色图地址
        String tempImage = trainFileBasePath+"/"+files[i].getName();
        Mat mat = detectFace(files[i].getPath(),tempImage,baseWidth,baseHeight);
        baseWidth = mat.rows();
        baseHeight= mat.cols();
        matVector.put(i,mat);
        int label = Integer.parseInt(files[i].getName().split("-")[0]);
        intBuffer.put(i,label);
    }
    //人脸识别训练（训练要求训练图片和测试图片必须为灰度图，且大小一致）
    // num_components 主成分分析中保留的成分数(即特征面) 0为全部保留
    // threshold 置信度阈值，待识别图片如果大于这个阈值的话label就会返回-1
    // 可以不设置，会返回最低的置信度图片对于的label
    FaceRecognizer faceRecognizer = EigenFaceRecognizer.create();
    faceRecognizer.train(matVector,labels);
    //保存训练xml
    faceRecognizer.save(baseImagePath+"/face.xml");

    //处理待识别的图片
    String testTempImage = baseImagePath + "/test";
    File file = new File(testTempImage);
    if(!file.exists()){
        file.mkdir();
    }
    Mat tempMat = detectFace(testImage,testTempImage+"/temp.jpg",baseWidth,baseHeight);

    //识别后结果标签，如果没有识别到，会返回-1
    IntPointer label = new IntPointer(1);
    //识别置信度，越低越好，图片完全一样为0.0
    DoublePointer confidence = new DoublePointer(1);
    faceRecognizer.predict(tempMat, label, confidence);
    int predictedLabel = label.get();
    System.out.println("Predicted label: " + predictedLabel);
    System.out.println(confidence.get());
}

其关键部分代码为faceRecognizer.train(matVector,labels)，matVector接受生成的灰度图，labels为图片所属的标签，我们可以通过faceRecognizer.save(baseImagePath+"/face.xml")保存训练后的xml。

在训练之前，通过灰度图处理（detectFace方法），如果训练图片选择落地的话，会在文件夹下生成train文件夹，里面就是存放宽高相等的待训练的样本。如下图：

我们取一张测试照片test.jpg，来进行测试，如下：

其测试的主要代码就是上面代码的这部分：

//处理待识别的图片
String testTempImage = baseImagePath + "/test";
File file = new File(testTempImage);
if(!file.exists()){
    file.mkdir();
}
Mat tempMat = detectFace(testImage,testTempImage+"/temp.jpg",baseWidth,baseHeight);

//识别后结果标签，如果没有识别到，会返回-1
IntPointer label = new IntPointer(1);
//识别置信度，越低越好，图片完全一样为0.0
DoublePointer confidence = new DoublePointer(1);
faceRecognizer.predict(tempMat, label, confidence);
int predictedLabel = label.get();
System.out.println("Predicted label: " + predictedLabel);
System.out.println(confidence.get());

识别时也是需要使用灰度图进行识别，调用faceRecognizer.predict(tempMat, label, confidence)来对测试图片进行测试，同时也会返回置信度。

我们构建Main运行代码：

public static void main(String[] args) throws Exception {
    //人脸识别训练
    faceRecognize("C:\\Users\\DELL-3020\\Desktop\\face\\base","C:\\Users\\DELL-3020\\Desktop\\face\\test.jpg");
}

运行后可以看到输出结果：

可以看到符合我们的预期。

这儿只使用了少量训练样本来展示图像训练的方法，其实在进行识别训练时，样本越大精确度越高。

我们之前用到的haarcascade_frontalface_alt.xml，就是使用大量人脸样本进行训练生成的。

总结

今天我们使用了OpenCV自带的人脸识别器（FaceRecognizer）来进行了人脸的识别与训练，后续我们会在了解下OpenCV在图像应用方面的一些其它功能。

SakuraTears的博客

OpenCV的使用（二） - 人脸的识别与训练

前言

正文

总结