您當前位置：首頁 > php開源 > php教程 > OpenCV+Qt：基于PCA主成分分析的人臉識別例程

OpenCV+Qt：基于PCA主成分分析的人臉識別例程

來源：程序員人生發布時間：2015-07-03 08:43:26 閱讀次數：3655次

在模式辨認領域中，PCA是1種經常使用的數據集降維手段，在此基礎上，保存數據集中對方差貢獻最大的特點從而進行模式分類。OpenCV中提供PCA的類，因此可以方便地使用PCA來進行人臉辨認研究。在學習了網上的相干實現和代碼，在以下開發平臺跑通了代碼：win8.1+OpenCV2.4.9+Qt5.3.2。

1、基本步驟

關于PCA的1些理論，可參照：http://blog.csdn.net/liyuefeilong/article/details/45126255 以下是實現PCA的基本思路：

1.把原始數據中每一個樣本用1個向量表示，然后把所有樣本組合起來構成1個矩陣。這里為了不樣本單位對后續處理的影響，樣本集需要標準化。

2.求樣本的散布矩陣。事實上，散布矩陣是樣本協方差矩陣的(n⑴)倍，而協方差矩陣則表示不同隨機變量之間的相互關系，在圖象中則等價為求兩個像素之間的關系。這里散布矩陣是實對稱矩陣。

3.對第2步中得到的散布矩陣求相應的特點值和特點向量。

4.所謂主成份分析，即需要得到具有最大特點值的特點向量，所以我們需要將特點向量依照特點值由大到小排序并構成1個映照矩陣，并根據指定的PCA保存的特點個數取出映照矩陣的前n行或前n列作為終究的映照矩陣。

5.用第4步的映照矩陣對訓練樣本數據進行映照，到達數據降維的目的。假定原始的圖象數據是m*n的矩陣，只包括主成份的特點向量構成1個n*p的矩陣，其中每列都是1個特點向量。將兩個矩陣相乘，便可取得降維以后的圖象矩陣m*p，這個矩陣遠小于原始的圖象數據。

6.同步驟5，讀取所有測試集圖象，并對其進行降維操作。如果測試集有M幅圖象，則降維后的矩陣為M*p。

7.最后，對測試集進行模式辨認。

在本次實驗實現的進程中，需要用到opencv的這些函數，下面簡單介紹下這些函數。

2、OpenCV中需要用到的幾個函數

PCA::PCA(InputArray data,     // 輸入1個矩陣
         InputArray mean,     // 輸出1個句子
         int flags,           // 輸入矩陣數據的存儲方式，有以下兩種參數設定
                              // CV_PCA_DATA_AS_ROW：代表輸入矩陣的每行表示1個樣本
                              // CV_PCA_DATA_AS_COL：代表輸入矩陣的每列表示1個樣本
         int maxComponents=0) // 計算PCA時保存的最大主成份的個數

// 該函數將輸入數據投影到PCA主成份空間中去
// 返回每個樣本主成份特點組成的矩陣
cv::Mat PCA::project(InputArray vec) const

// 調用backProject函數前1般已調用過project()函數
// 其作用可理解為project()函數的逆運算
// 函數的作用就是用vec來重構原始數據集（原理有待進1步了解）
cv::Mat PCA::backProject(InputArray vec) const

另外PCA類中還有幾個重要的成員變量：

mean         // 原始數據的均值
eigenvectors // 散布矩陣（協方差矩陣）的特點值
eigenvalues  // 散布矩陣（協方差矩陣）的特點向量

3、相干代碼

根據網上提供的代碼，修改成可以在開發平臺上使用的版本：

#ifndef PCAFACE_H
#define PCAFACE_H
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>

using namespace cv;

#include <QDialog>

namespace Ui {
class PCAFace;
}

class PCAFace : public QDialog
{
    Q_OBJECT

public:
    explicit PCAFace(QWidget *parent = 0);
    ~PCAFace();

    Mat normalize(const Mat& src);


protected:
    void changeEvent(QEvent *e);

private slots:
    void on_startButton_clicked();

    void on_closeButton_clicked();

private:
    Ui::PCAFace *ui;
    Mat src_face1, src_face2, src_face3;
    Mat project_face1, project_face2, project_face3;
    Mat dst;
    Mat pca_face1, pca_face2, pca_face3;
    vector<Mat> src;
    int total;
};

#endif // PCAFACE_H

#include "pcaface.h"
#include "ui_pcaface.h"
#include <QString>
#include <iostream>
#include <stdio.h>
#include <QDir>
#include <QDebug>

using namespace std;

QDir dir;
QString runPath = dir.currentPath();

PCAFace::PCAFace(QWidget *parent) :
    QDialog(parent),
    ui(new Ui::PCAFace)
{
    ui->setupUi(this);
    src_face1 = imread("C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/images/1.pgm", 0);
    //下面的代碼為設置圖片顯示區域自適應圖片的大小
    ui->face1Browser->setFixedHeight(src_face1.rows+1);
    ui->face1Browser->setFixedWidth(src_face1.cols+1);
    ui->face2Browser->setFixedHeight(src_face1.rows+1);
    ui->face2Browser->setFixedWidth(src_face1.cols+1);
    ui->face3Browser->setFixedHeight(src_face1.rows+1);
    ui->face3Browser->setFixedWidth(src_face1.cols+1);

    ui->face4Browser->setFixedHeight(src_face1.rows+1);
    ui->face4Browser->setFixedWidth(src_face1.cols+1);
    ui->face5Browser->setFixedHeight(src_face1.rows+1);
    ui->face5Browser->setFixedWidth(src_face1.cols+1);
    ui->face6Browser->setFixedHeight(src_face1.rows+1);
    ui->face6Browser->setFixedWidth(src_face1.cols+1);

    ui->face7Browser->setFixedHeight(src_face1.rows+1);
    ui->face7Browser->setFixedWidth(src_face1.cols+1);
    ui->face8Browser->setFixedHeight(src_face1.rows+1);
    ui->face8Browser->setFixedWidth(src_face1.cols+1);
    ui->face9Browser->setFixedHeight(src_face1.rows+1);
    ui->face9Browser->setFixedWidth(src_face1.cols+1);

    for(int i = 1; i <= 15; i++)
    {
        stringstream str;
        string num;
        str<<i;// 將整數i讀入字符串流
        str>>num;// 將字符串流中的數據傳入num，這2句代碼即把數字轉換成字符
        string image_name = ("C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/images/" + num + ".pgm");//需要讀取的圖片全名
        src.push_back(imread(image_name, 0));
    }
    total= src[0].rows*src[0].cols;
}

PCAFace::~PCAFace()
{
    delete ui;
}

void PCAFace::changeEvent(QEvent *e)
{
    QDialog::changeEvent(e);
    switch (e->type()) {
    case QEvent::LanguageChange:
        ui->retranslateUi(this);
        break;
    default:
        break;
    }
}

// 將Mat內的內容歸1化到0～255，歸1化后的類型為8位無符號整型單通道
Mat PCAFace::normalize(const Mat& src)
{
    Mat norm_src;
    cv::normalize(src, norm_src, 0, 255, NORM_MINMAX, CV_8UC1);
    return norm_src;
}


void PCAFace::on_startButton_clicked()
{
    //先顯示3張原圖
    ui->face1Browser->append("<img src=C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/images/5.pgm>");
    ui->face2Browser->append("<img src=C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/images/7.pgm>");
    ui->face3Browser->append("<img src=C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/images/14.pgm>");

    //mat數組用來寄存讀取進來的所有圖片的數據，其中mat的每列對應1張圖片，該實現在下面的for函數中
    Mat mat(total, src.size(), CV_32FC1);
    for(int i = 0; i < src.size(); i++)
    {
        Mat col_tmp = mat.col(i);
        src[i].reshape(1, total).col(0).convertTo(col_tmp, CV_32FC1, 1/255.);
    }
    int number_principal_compent = 12;//保存最大的主成份數
    //構造pca數據結構
    PCA pca(mat, Mat(), CV_PCA_DATA_AS_COL, number_principal_compent);
    //pca.eigenvectors中的每行代表輸入數據協方差矩陣1個特點向量，且是依照該協方差矩陣的特點值進行排序的
    pca_face1 = normalize(pca.eigenvectors.row(0)).reshape(1, src[0].rows);//第1個主成份臉
    imwrite("C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/result/pca_face1.jpg", pca_face1);//顯示主成份特點臉1
    ui->face7Browser->append("<img src=C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/result/pca_face1.jpg>");

    pca_face2 = normalize(pca.eigenvectors.row(1)).reshape(1, src[0].rows);//第2個主成份臉
    imwrite("C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/result/pca_face2.jpg", pca_face2);//顯示主成份特點臉2
    ui->face8Browser->append("<img src=C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/result/pca_face2.jpg>");

    pca_face3 = normalize(pca.eigenvectors.row(2)).reshape(1, src[0].rows);//第3個主成份臉
    imwrite("C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/result/pca_face3.jpg", pca_face3);//顯示主成份特點臉3
    ui->face9Browser->append("<img src=C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/result/pca_face3.jpg>");

    //將原始數據通過PCA方向投影，即通過特點向量的前面幾個作用后的數據，因此這里的dst的尺寸變小了
    dst = pca.project(mat);
    //通過方向投影重構原始人臉圖象
    project_face1 = normalize(pca.backProject(dst).col(0)).reshape(1, src[0].rows);
    imwrite("C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/result/project_face1.jpg", project_face1);
    ui->face4Browser->append("<img src=C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/result/project_face1.jpg>");

    project_face2 = normalize(pca.backProject(dst).col(1)).reshape(1, src[0].rows);
    imwrite("C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/result/project_face2.jpg", project_face2);
    ui->face5Browser->append("<img src=C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/result/project_face2.jpg>");

    project_face3 = normalize(pca.backProject(dst).col(2)).reshape(1, src[0].rows);
    imwrite("C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/result/project_face3.jpg", project_face3);
    ui->face6Browser->append("<img src=C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/result/project_face3.jpg>");
}

void PCAFace::on_closeButton_clicked()
{
    close();
}

#include <QApplication>
#include "pcaface.h"

int main(int argc, char *argv[])
{
    QApplication a(argc, argv);
    PCAFace w;
    w.show();

    return a.exec();
}

這里寫圖片描述