这篇文章主要为大家详细介绍了Opencv LBPH人脸识别算法的相关资料,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
简要:
局部二进制模式直方图局部二进制编码直方图,建立在LBPH基础之上的人脸识别法基本思想如下:首先以每个像素为中心,判断与周围像素灰度值大小关系,对其进行二进制编码,从而获得整幅图像的垂直线间的距离编码图像;再将垂直线间的距离图像分为个区域,获取每个区域的垂直线间的距离编码直方图,继而得到整幅图像的垂直线间的距离编码直方图,通过比较不同人脸图像垂直线间的距离编码直方图达到人脸识别的目的,其优点是不会受到光照、缩放、旋转和平移的影响。
# includeopencv2 \ opencv.hpp
# includeopencv2 \ face.hpp
使用名称空间cv;
使用命名空间面;
使用命名空间标准
char win _ title[40]={ };
int main(int arc,char** argv) {
//namedWindow('input ',CV _ WINDOW _ AUTOSIZE);
//读入模型需要输入的数据,用来训练的图像矢量图像和标签矢量标签
string filename=string(' path。txt’);
ifstream文件(文件名);
如果(!file) { printf('无法加载文件');}
矢量图像;
矢量标签;
字符分隔符=";";
字符串行,路径,classlabel .
while (getline(file,line)) {
字符串流行(线);
getline(行、路径、分隔符);
getline(线条,类标签);
//printf('%d\n ',atoi(类标签。c _ str());
images.push_back(imread(path,0));
标签。push _ back(atoi(类标签。c _ str()));//atoi(ASCLL到int)将字符串转换为整数型
}
int height=images[0].行;
int width=images[0].关口
printf('高度:%d,宽度:%d\n ',高度,宽度);
//将最后一个样本作为测试样本
mat测试样本=图像[图像。size()-1];
int测试标签=标签[标签。size()-1];
//删除列表末尾的元素
图像。pop _ back();
标签。pop _ back();
//加载,训练,预测
ptrlbphfacecognizer model=lbphfacecognizer:create();
模型火车(图像、标签);
int预测标签=模型-预测(测试样本);
printf('实际标签:%d,预测标签:%d\n ',测试标签,预测标签);
int radius=model-get radius();
int ne IBS=model-get neighbors();
int grad _ x=model-getGridX();
int grad _ y=model-getGridY();
double t=model-getThreshold();
printf('radius:%d\n ',radius);
printf('neibs:%d\n ',neibs);
printf('grad_x:%d\n ',grad _ x);
printf('grad_y:%d\n ',grad _ y);
printf('threshold:%.2f\n ',t);
等待键(0);
返回0;
}
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持我们。
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。