OpenCV 人脸分析----人脸识别的一个经典类cv::face::EigenFaceRecognizer

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

这是基于 PCA(主成分分析) 的人脸识别算法实现。它通过将人脸图像投影到一个低维的"特征脸"空间中进行识别,是最早也是最基础的人脸识别方法之一。

构造函数与参数

你可以使用以下方式创建 EigenFaceRecognizer:

cpp 复制代码
// 默认构造
Ptr<EigenFaceRecognizer> model = EigenFaceRecognizer::create();

// 或者指定 PCA 成分数和置信度阈值
Ptr<EigenFaceRecognizer> model = EigenFaceRecognizer::create(num_components, threshold);
参数 描述
num_components PCA 保留的主成分数,默认为 0(自动计算)
threshold 预测时的置信度阈值,超过此值认为未知身份

核心函数摘要

方法 描述
void train(InputArrayOfArrays _src, InputArray _labels) 使用图像集和对应标签训练模型
void predict(InputArray src, int &label, double &confidence) const 预测输入图像的标签及置信度
void save(const String& filename) 保存训练好的模型到文件
void load(const String& filename) 从文件加载模型
Mat getEigenValues() 获取特征值
vector getEigenVectors() 获取特征向量(即特征脸)
vector getProjections() 获取训练样本的投影向量
double getThreshold() 获取当前置信度阈值
void setThreshold(double val) 设置置信度阈值

注意事项

  • 图像必须为 单通道灰度图;
  • 所有图像尺寸必须一致(例如统一缩放为 96x96);
  • 标签为整数类型,表示不同身份 ID;
  • 对光照、姿态变化较敏感;
  • 不适用于大规模数据集或复杂场景;

代码示例

cpp 复制代码
#include <opencv2/opencv.hpp>
#include <opencv2/face.hpp>
#include <vector>

using namespace cv;
using namespace cv::face;
using namespace std;

int main() {
    // 准备训练数据:人脸图像和对应的标签
    vector<Mat> images;     // 人脸图像(灰度图)
    vector<int> labels;     // 标签(如 0: 张三, 1: 李四)

    // 示例加载图像并转换为灰度图
    Mat img1 = imread("/media/dingxin/data/study/OpenCV/sources/images/1.pgm", IMREAD_GRAYSCALE);
    Mat img2 = imread("/media/dingxin/data/study/OpenCV/sources/images/2.pgm", IMREAD_GRAYSCALE);

    images.push_back(img1);
    images.push_back(img2);
    labels.push_back(0);  // 同一人使用相同标签
    labels.push_back(0);

    // 创建 EigenFaceRecognizer 实例
    Ptr<EigenFaceRecognizer> model = EigenFaceRecognizer::create();

    // 训练模型
    model->train(images, labels);

    // 预测新图像
    Mat testImage = imread("/media/dingxin/data/study/OpenCV/sources/images/Lenna.png", IMREAD_GRAYSCALE);

    resize(testImage, testImage, Size(img2.cols, img2.rows));
    int predictedLabel;
    double confidence;
    model->predict(testImage, predictedLabel, confidence);

    cout << "Predicted label: " << predictedLabel << ", Confidence: " << confidence << endl;

    return 0;
}

运行结果

cpp 复制代码
Predicted label: 0, Confidence: 1490.02
相关推荐
可乐+冰01 分钟前
Android 编写高斯模糊功能
android·人工智能·opencv
嘀咕博客1 小时前
SynClub-百度在海外推出的AI社交产品
人工智能·百度·ai工具
AI算法工程师Moxi1 小时前
什么是迁移学习(transfer learning)
人工智能·机器学习·迁移学习
空白到白2 小时前
机器学习-KNN算法
人工智能·算法·机器学习
aliedudu2 小时前
机器学习概述
人工智能·机器学习
love you joyfully2 小时前
循环神经网络——pytorch实现循环神经网络(RNN、GRU、LSTM)
人工智能·pytorch·rnn·深度学习·gru·循环神经网络
袁庭新2 小时前
AI如何辅助创业?年轻人一定要创业
人工智能·创业
GIS开发特训营3 小时前
【智慧城市】2025年中国地质大学(武汉)暑期实训优秀作品(2):智慧城市西安与一带一路
人工智能·信息可视化·智慧城市
飞哥数智坊3 小时前
扣子实战第19讲:Coze零代码打造“新生入学百事通”,辅导员都说好
人工智能·coze
上海控安3 小时前
上海控安:GB 44495-2024《汽车整车信息安全技术要求》标准解读和测试方案
大数据·人工智能·汽车