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
对你无可奈何17 分钟前
给 ComfyUI 做了一个手机助手
人工智能
feasibility.2 小时前
英伟达把物理AI的3D模型“应用商店”开放了:2575个SimReady仿真资产,总计约472GB,可让agent装配机器人训练场景
人工智能·3d·机器人·仿真·建模·具身智能·英伟达
智联视频超融合平台2 小时前
消防宣传月过半,“AI+消防“给视频平台换了张考卷
人工智能·边缘计算·视频监控·安防·视频联网
冬奇Lab3 小时前
一天一个开源项目(第262篇):AG-UI —— 把 AI Agent 接进前端的开放协议,和 MCP、A2A 并列的第三块拼图
人工智能·开源
罗西的思考4 小时前
【轻量化复现大模型 / KIMI K3】MTP / EAGLE‑3 模块交互式演示
人工智能·深度学习·算法
RobinDevNotes4 小时前
Claude Code 剪视频,不上传、不要 API Key
人工智能·python·音视频·开发工具·ipython
stormzhangV5 小时前
Coding Agent,通往 AGI 的重要一环
人工智能·agent·ai编程
Bowen_J6 小时前
Apple Foundation Models:Apple AI核心框架
人工智能·ai编程·apple
IT_陈寒6 小时前
Redis那个过期删除策略,差点让我线上崩了
前端·人工智能·后端
阿里云大数据AI技术6 小时前
AI 原生大数据服务 ADA 快速入门:完成首次对话式数据分析
大数据·人工智能