主要有以下步骤：

1、人脸检测

2、人脸预处理

3、从收集的人脸训练机器学习算法

4、人脸识别

5、收尾工作

人脸检测算法：

基于Haar的脸部检测器的基本思想是，对于面部正面大部分区域而言，会有眼睛所在区域应该比前额和脸颊更暗，嘴巴应该比脸颊更暗等情形。它通常执行大约20个这样的比较来决定所检测的对象是否为人脸，实际上经常会做上千次。

基于LBP的人脸检测器基本思想与基于Haar的人脸检测器类似，但它比较的是像素亮度直方图，例如，边缘、角落和平坦区域的直方图。

这两种人脸检测器可通过训练大的图像集找到人脸，这些图像集在opencv中存在XML文件中以便后续使用。

这些级联分类检测器通常至少需使用1000个独特的人脸图像和10000个非人脸图像作为训练，训练时间一般LBP要几个小时，

Haar要一个星期。

项目中的关键代码如下：

initDetectors
faceCascade.load(faceCascadeFilename);
eyeCascade1.load(eyeCascadeFilename1);
eyeCascade2.load(eyeCascadeFilename2);

initWebcam
videoCapture.open(cameraNumber);

cvtColor(img, gray, CV_BGR2GRAY);
//有需要则缩小图片使检测运行更快，之后要恢复原来大小
resize(gray, inputImg, Size(scaledWidth, scaledHeight));
equalizeHist(inputImg, equalizedImg);
cascade.detectMultiScale(equalizedImg......);

人脸预处理:

实际中通常训练（采集图像）和测试（来自摄像机图像）的图像会有很大不同，受（如光照、人脸方位、表情等），

结果会很差，因此用于训练的数据集很重要。

人脸预处理目的是减少这类问题，有助于提高整个人脸识别系统的可靠性。

人脸预处理的最简单形式就是使用equalizeHist()函数做直方图均衡，这与人脸检测那步一样。

实际中，为了让检测算法更可靠，会使用面部特征检测（如，检测眼睛、鼻子、嘴巴和眉毛），本项目只使用眼睛检测。

使用OpenCV自带的训练好的眼部探测器。如，正面人脸检测完毕后，得到一个人脸，在使用眼睛检测器提取人脸的左眼区域和右眼区域，并对每个眼部区域进行直方图均衡。

这步涉及的操作有以下内容：

1、几何变换和裁剪

人脸对齐很重要，旋转人脸使眼睛保持水平，缩放人脸使眼睛之间距离始终相同，平移人脸使眼睛总是在所需高度上水平居中，

裁剪人脸外围（如图像背景、头发、额头、耳朵和下巴）。

2、对人脸左侧和右侧分别用直方图均衡

3、平滑

用双边滤波器来减少图像噪声

4、椭圆掩码

将剩余头发和人脸图像背景去掉

项目中的关键代码如下：

detectBothEyes(const Mat &face, CascadeClassifier &eyeCascade1, CascadeClassifier &eyeCascade2,
Point &leftEye, Point &rightEye, Rect *searchedLeftEye, Rect *searchedRightEye);
topLeftOfFace = face(Rect(leftX, topY, widthX, heightY));
//在左脸区域内检测左眼
detectLargestObject(topLeftOfFace, eyeCascade1, leftEyeRect, topLeftOfFace.cols);
//右眼类似，这样眼睛中心点就得到了
leftEye = Point(leftEyeRect.x + leftEyeRect.width/2, leftEyeRect.y + leftEyeRect.height/2);
//再得到两眼的中点，然后计算两眼之间的角度
Point2f eyesCenter = Point2f( (leftEye.x + rightEye.x) * 0.5f, (leftEye.y + rightEye.y) * 0.5f );
//仿射扭曲(Affine Warping)需要一个仿射矩阵
rot_mat = getRotationMatrix2D(eyesCenter, angle, scale);
//现在可变换人脸来得到检测到的双眼出现在人脸的所需位置
warpAffine(gray, warped, rot_mat, warped.size());

//先对人脸左侧和右侧分开进行直方图均衡
equalizeHist(leftSide, leftSide);
equalizeHist(rightSide, rightSide);
//再合并，这里合并时左侧1/4和右侧1/4直接取像素值，中间的2/4区域像素值通过一定计算进行处理。

//双边滤波
bilateralFilter(warped, filtered, 0, 20.0, 2.0);

//采用椭圆掩码来删除一些区域
filtered.copyTo(dstImg, mask);

收集并训练人脸：

一个好的数据集应包含人脸变换的各种情形，这些变化可能出现在训练集中。如只测试正面人脸，则只需训练图像有完全正面人脸即可。

因此一个好的训练集应包含很多实际情形。

本项目收集的图像之间至少有一秒的间隔，使用基于L2范数的相对错误评价标准来比较两幅图像素之间的相似性。

errorL2 = norm(A, B, CV_L2);
similarity = errorL2 / (double)(A.rows * A.cols);

再与收集新人脸的阈值相比来决定是否收集这次图像。

可用很多技巧来获取更多的训练数据，如，使用镜像人脸、加入随机噪声、改变人脸图像的一些像素、旋转等。

//翻转
flip(preprocessedFace, mirroredFace, 1);

对每个人收集到足够多的人脸图像后，接下来必须选择适合人脸识别的机器学习算法，通过它来学习收集的数据，从而训练出一个人脸识别系统。

人脸识别算法：

1、特征脸，也称PCA（主成分分析）

2、Fisher脸，也称LDA（线性判别分析）

3、局部二值模式直方图（Local Binary Pattern Histograms，LBPH）

其他人脸识别算法：www.face-rec.org/algorithms/

OpenCV提供了CV::Algorithm类，该类有几种不同的算法，用其中一种算法就可以完成简单而通用的人脸识别。

OpenCV的contrib模板中有一个FaceRecognizer类，它实现以上这些人脸识别算法。

initModule_contrib();
model = Algorithm::create<FaceRecognizer>(facerecAlgorithm);

model->train(preprocessedFaces, faceLabels);

这一代码将执行所选人脸识别的整个训练算法。

人脸识别：

1、人脸识别：通过人脸来识别这个人

可以简单调用FaceRecognizer::predict()函数来识别照片中的人，

int identity = model->predict(preprocessedFace);

它带来的问题是它总能预测给定的人(即使输入图像不属于训练集中的人)。

解决此问题的办法是制定置信度标准，置信度过低则可判读是一个不认识的人。

2、人脸验证：验证图像中是否有想找的人

为了验证是否可靠，或者说系统是否能对一个不认识的人进行正确识别，这需要进行人脸验证。

这里计算置信度的方法是：

使用特征向量和特征值重构人脸图，然后将输入的图像与重构图进行比较。如果一个人在训练集中有多张人脸图，用特征向量和特征

值重构后应该有非常好的效果，如果没有则差别很大，表明它可能是一个未知的人脸。

subspaceProject()函数将人脸图像映射到特征空间，再用subspaceReconstruct()函数从特征空间重构图像。

收尾：交互式GUI

利用OpenCV函数很容易绘制一些组件，鼠标点击等。

以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，同时也希望多多支持！

# opencv  # 人脸识别  # opencv 做人脸识别 opencv 人脸匹配分析  # 基于OpenCV的PHP图像人脸识别技术  # python使用opencv进行人脸识别  # 详解如何用OpenCV + Python 实现人脸识别  # Python opencv实现人眼/人脸识别以及实时打码处理  # python opencv3实现人脸识别(windows)  # 基于OpenCv实现的人脸识别(附Python完整代码)  # 的人  # 是一个  # 会有  # 出现在  # 重构  # 所需  # 面人  # 很重要  # 不认识  # 对人  # 两眼  # 眼部  # 也称  # 脸来  # 的是  # 识别系统  # 掩码  # 特征值  # 有一  # 这一 

相关栏目： 【 网站优化151355 】 【 网络推广146373 】 【 网络技术251813 】 【 AI营销90571 】

相关推荐： php嵌入式断网后怎么恢复_php检测网络重连并恢复硬件控制【操作】  Laravel怎么实现一对多关联查询_Laravel Eloquent模型关系定义与预加载【实战】  Win11关机界面怎么改_Win11自定义关机画面设置【工具】  Laravel如何使用模型观察者？（Observer代码示例）  佛山网站制作系统,佛山企业变更地址网上办理步骤？  Laravel怎么发送邮件_Laravel Mail类SMTP配置教程  Python自然语言搜索引擎项目教程_倒排索引查询优化案例  香港服务器网站生成指南：免费资源整合与高速稳定配置方案  东莞专业网站制作公司有哪些,东莞招聘网站哪个好？  深圳防火门网站制作公司,深圳中天明防火门怎么编码？  如何确保FTP站点访问权限与数据传输安全？  Zeus浏览器网页版官网入口 宙斯浏览器官网在线通道  如何在企业微信快速生成手机电脑官网？  什么是javascript作用域_全局和局部作用域有什么区别？  Microsoft Edge如何解决网页加载问题 Edge浏览器加载问题修复  Win11怎样安装网易有道词典_Win11安装词典教程【步骤】  进行网站优化必须要坚持的四大原则  Laravel怎么做数据加密_Laravel内置Crypt门面的加密与解密功能  Laravel怎么实现模型属性转换Casting_Laravel自动将JSON字段转为数组【技巧】  Laravel Pest测试框架怎么用_从PHPUnit转向Pest的Laravel测试教程  如何在阿里云部署织梦网站？  Laravel怎么返回JSON格式数据_Laravel API资源Response响应格式化【技巧】  宙斯浏览器视频悬浮窗怎么开启 边看视频边操作其他应用教程  长沙做网站要多少钱,长沙国安网络怎么样？  js代码实现下拉菜单【推荐】  如何在建站之星绑定自定义域名？  JavaScript如何操作视频_媒体API怎么控制播放  如何快速搭建高效香港服务器网站？  如何用PHP工具快速搭建高效网站？  如何用VPS主机快速搭建个人网站？  Laravel路由Route怎么设置_Laravel基础路由定义与参数传递规则【详解】  ChatGPT 4.0官网入口地址 ChatGPT在线体验官网  ,交易猫的商品怎么发布到网站上去？  香港服务器网站测试全流程：性能评估、SEO加载与移动适配优化  JavaScript 输出显示内容(document.write、alert、innerHTML、console.log)  如何在建站宝盒中设置产品搜索功能？  大同网页,大同瑞慈医院官网？  Laravel如何清理系统缓存命令_Laravel清除路由配置及视图缓存的方法【总结】  Laravel如何使用Telescope进行调试？（安装和使用教程）  详解Huffman编码算法之Java实现  佐糖AI抠图怎样调整抠图精度_佐糖AI精度调整与放大细化操作【攻略】  Laravel怎么判断请求类型_Laravel Request isMethod用法  Python文件操作最佳实践_稳定性说明【指导】  Laravel怎么配置.env环境变量_Laravel生产环境敏感数据保护与读取【方法】  JS实现鼠标移上去显示图片或微信二维码  安克发布新款氮化镓充电宝：体积缩小 30%，支持 200W 输出  桂林网站制作公司有哪些,桂林马拉松怎么报名？  Laravel PHP版本要求一览_Laravel各版本环境要求对照  宙斯浏览器文件分类查看教程 快速筛选视频文档与图片方法  Laravel如何创建自定义Facades？（详细步骤）