开发语言 QT--day6(人脸识别、图像处理)

大数据岗位人工智能 2024-01-22 15 0

人脸识别：

/***********************************************************************************头文件****************************************************************************************/

#ifndef WIDGET_H

#define WIDGET_H

#include

using namespace cv;

using namespace cv::face;

using namespace std;

namespace Ui {

class Widget;

}

class Widget : public QWidget

{

Q_OBJECT

public:

explicit Widget(QWidget *parent = 0);

~Widget();

private slots:

void on_opencameraBtn_clicked();

void on_closecameraBtn_clicked();

void on_faceStudyBtn_clicked();

private:

Ui::Widget *ui;

/***********************第一模块:摄像头展示相关成员**************************/

//定义视频流对象

VideoCapture v;

//定义图像容器

Mat src; //存储原色图

Mat gray; //存储灰度图

Mat dst; //存储均衡化图像

Mat rgb; //存储转化成的rgb图

//定义级联分类器类

CascadeClassifier c; //该类用于使用模型进行相关区域分类工作

//定义存储人脸矩形框的数组

vectorfaces;

//定义展示摄像头的定时器

int camera_timer_id;

//重写定时器事件处理函数

void timerEvent(QTimerEvent *e);

/***********************第二模块：人脸录入相关成员****************************/

Ptr recognizer; //人脸识别的指针

vectorstudy_faces; //训练人脸的人脸容器

vectorstudy_lab; //记录要存储人脸的id标签

int count; //记录机器学习的次数

int flag; //记录是否正在录入人脸

int study_timer_id; //人脸录入的定时器

/**********************第三模块:人脸检测*************************************/

int check_timer_id;

};

#endif // WIDGET_H

/*******************************************************************源文件***************************************************************************************************************************/

#include "widget.h"

#include "ui_widget.h"

Widget::Widget(QWidget *parent) :

QWidget(parent),

ui(new Ui::Widget)

{

ui->setupUi(this);

//打开摄像头

if(!v.open(0))

{

QMessageBox::information(this,"","摄像头打开失败");

return;

}

//加栽级联分类器

if(!c.load("D:\\opencv\\resource\\haarcascade_frontalface_alt2.xml"))

{

QMessageBox::information(NULL,"","级联分类器加载失败");

return ;

}

//给人脸识别区空间

QFile file("D:\\opencv\\resource\\myface.xml");

//判断人脸模型是否存在

if(file.exists())

{

//判断人脸模型是否存在

recognizer=FaceRecognizer::load("D:\\opencv\\resource\\myface.xml");

}else

{

//此时表明人脸模型不存在，需要创建出一个人脸模型

recognizer=LBPHFaceRecognizer::create(); //调用静态成员函数，创建出一个人脸模型

}

//初始时将登录按钮设置成不可用状态，当人脸识别成功后，该按钮设置层可用状态

ui->loginBtn->setEnabled(false);

//启动人脸预测的定时器

check_timer_id=startTimer(3000);

//程序运行时应处于检测过程而不是学习过程

flag=1;

//设置可信度

recognizer->setThreshold(100); //后期识别后，如果可信度低于100，则说明识别成功

}

Widget::~Widget()

{

delete ui;

}

//定时器事件处理函数

void Widget::timerEvent(QTimerEvent *e)

{

if(e->timerId()==camera_timer_id) //说明展示摄像头的定时器到位，处理摄像头的功能

{

//从视频流中读取一张图像放入src中

v.read (src);

//镜像处理

flip(src, src, 1);

//色彩空间转化，将bgr图转化为rgb图

cvtColor(src,rgb,CV_BGR2RGB);

//将图像重新设置大小

cv::resize(rgb,rgb,Size(300,300));

//灰度处理

cvtColor(rgb,gray,CV_BGR2GRAY);

//均衡化处理

equalizeHist(gray,dst);

//获得人脸矩形框

c.detectMultiScale(dst,faces);

//将人脸矩形区域绘制到rgb图上

for(int i=0;i

{

rectangle(rgb,faces[i],Scalar(255,0,0),2);

}

//使用rgb图构造出一个qt能够识别的图像

//QImage (const uchar *data，int width，int height，int bytesPerLine，Format format;

//功能:构造一个QImage图

//参数1:其他图像的数据域

//参数2:其他图像的宽度

//参数3:其他图像的高度

//参数4:一行内的字节数

//参数5:图像格式

QImage img(rgb.data,rgb.cols,rgb.rows,rgb.cols*rgb.channels(),QImage::Format_RGB888);

//在ui界面中展示构造出来的图像

ui->cameraLab->setPixmap(QPixmap::fromImage(img));

}

//判断是否是人脸录入定时器到位

if(e->timerId()==study_timer_id)

{

qDebug()<<"正在录入，请稍后...";

//获取ui界面中的矩形框框起来的人脸区域

Mat face; //要存储的人脸

//判断人脸矩形框是否存在

if(faces.empty())

return ; //如果ui界面上人脸矩形框不存在，则直接结束

//从摄像头原图中截取一个矩形框大小的图像放到face变量中

face=src(faces[0]);

//将该脸进行重新设置大小

cv::resize(face,face,Size(50,50));

//色彩空间转换

cvtColor(face,face,CV_BGR2GRAY);

//均衡化处理

equalizeHist(face,face);

//此时，要存储的脸已经准备好了，需要使用人脸识别器进行更新模型操作

//将刚学习的这张脸放入学习容器中

study_faces.push_back(face);

study_lab.push_back(1);

count++; //表明己经学习了一张人脸

if(count==50) //需要学习50次，完成人脸模型的配置

{

recognizer->update(study_faces,study_lab);//完成人脸模型的更新，将图像模型转化为数据模型

//将刚刚生成的人脸数据模型，保存到本地磁盘文件中

recognizer->save("D:\\opencv\\resource\\myface.xml");

//殿后工作

QMessageBox::information(this,"","录入成功");

flag=1; //表明可以进行人脸检测工作

ui->faceStudyBtn->setEnabled(true);//按钮设置成可用状态

study_faces.clear();

study_lab.clear(); //清空两个容器

count=0; //清空计数器，以便下次使用

killTimer(study_timer_id);//关闭人脸录入的定时器

}

//判断是否是人脸识别定时器到位

if(e->timerId()==check_timer_id)

{

//判断是否可以进行检测

if(flag==1)

{

qDebug()<<"正在寻找...";

//找到人脸模型

QFile file("D:\\opencv\\resource\\myface.xml");

if(file.exists()) //在人脸模型存在的基础上进行识别

{

//继续判断当前摄像头中是否有人脸存在

if(faces.empty()||recognizer.empty())

return; //表明没有人脸或人脸识别器不存在

//开始进行人脸识别工作

//1、获取摄像头中的人脸区域

Mat face=src(faces[0]);

//2.重新设置大小，为存储时的大小

cv::resize(face,face,Size(50,50));

//3.灰度处理和均衡化处理

cvtColor(face,face,CV_BGR2GRAY);

equalizeHist(face,face);

//定义变量存储人脸预测后的结果

int lab=-1; //预测后的人脸编号

double conf=0.0; //预测后的人脸可信度

//5、进行人脸预测工作

//函数原型: void predict (InputArray src，cv_our int &label，cv_our double &confidence) const;

//功能:对给定的图像进行预测工作

//参数1:要预测的图像

//参数2:预测后的该图像的编号，如果识别失败，则编号保持之前的不变，如果预测成功，则将该图像对应的编号返回

//参数3:人脸识别后的可信度

recognizer->predict(face,lab,conf);

qDebug()<<"lab="<

flag=0; //0表示正在录入人脸，不要进行检测工作

count=0; //将学习次数清零

//启动录入人脸的定时器

study_timer_id=startTimer(50); //每隔50毫秒学习一次

//将录入按钮设置成不可用状态

ui->faceStudyBtn->setEnabled(false);

}

评论可见，请评论后查看内容，谢谢！！！

您阅读本篇文章共花了：

qt 图像处理开发语言

本文由用户于 2024-01-22 发布在金钥匙，如有疑问，请联系我们。
本文链接：https://www.51969.com/post/17831101.html

金钥匙

开发语言 QT--day6(人脸识别、图像处理)

人工智能计算机视觉 pytorch 机器学习之图像处理——基本概念知识介绍

深度学习神经网络计算机视觉详解基于tensorflow实现对cifar100的识别，准确率达到65%附完整代码（涉及vggnet,resnet,，loss图像处理,图像增强，BN）

发表评论取消回复

金钥匙

开发语言 QT--day6(人脸识别、图像处理)

人工智能 计算机视觉 pytorch 机器学习之图像处理——基本概念知识介绍

深度学习 神经网络 计算机视觉 详解基于tensorflow实现对cifar100的识别，准确率达到65%附完整代码（涉及vggnet,resnet,，loss图像处理,图像增强，BN）

相关文章

发表评论取消回复

人工智能计算机视觉 pytorch 机器学习之图像处理——基本概念知识介绍

深度学习神经网络计算机视觉详解基于tensorflow实现对cifar100的识别，准确率达到65%附完整代码（涉及vggnet,resnet,，loss图像处理,图像增强，BN）