上一篇簡單整理了下人臉識別的相關基礎知識，這一篇將著重介紹利用pencv（2.4.9）已有的模型進行分類器訓練。

一、關於ORL人臉資料庫

 ORL是一個40個人，每人採取10張人臉頭像構成的一個人臉資料庫，尺寸全部為92*112。分為40個資料夾，即每個資料夾中包含有10張人臉照片，為pgm格式。

     其中s41為拍好並處理好的自己人臉影象。

值得一提的是，圖片為pgm格式，許多軟體無法讀取，但是別忘了我們的opencv可是圖片處理能力十分強大的噢！如果想看下這些人臉圖是怎樣的，可以使用opencv的imshow函式進行讀取哦……

二、新增進自己的人臉資料

上面截圖中可以看出，筆者採集了自己的照片，這一步需要有幾個注意點：

1.放入的圖片格式不一定要pgm格式

2.放入的圖片尺寸大小一定要一致（92*112）

3.圖片不需要自己一張張的拍攝，可以寫一段程式進行拍攝，並進行預處理達到要求， 之後放到ORL庫裡一起整合。

 參考拍照程式：（為方便截圖取消了程式碼行隔開）

此程式拍得的照片已經將人臉處理成了92*112的大小。

三、利用已有模型進行訓練

1.  一個小測試

筆者參照了不少部落格大神，受益匪淺。在正式開始實踐前，先做了個小測試，即用較少的人臉資料進行訓練和識別測試。做小測試的時候，我是首先從ORL中選擇了2個人的各自5張圖片和自己的5張圖片，共3個人15張人臉圖片進行訓練。(11-15.jpg對應的是我自己，即上圖中1-5.jpg，此處人為複製出來進行命名進行小測試)

其中a1-a5對應一類（0），b1-b5對應一類（1 ),c1-c5對應一類（2），之後要做的就是將這些人臉圖壓進棧，即將照片（image.表示人臉影象）和標籤（label表分類結果）下面以a類為例壓進棧。

在之後就是模型的訓練了，opencv自帶的Facerecognizer類。其中有人臉識別接下來會用到的幾個函式（train、load、save、predict）。

同時opencv自帶了三個人臉識別演算法：Eigenfaces，Fisherfaces 和區域性二值模式直方圖 (LBPH)。直接呼叫這三種演算法很簡單，一般都是三句話足夠：

之後就可以直接測試了，以第一種模型為例：

2.    資料量較大的情況

小測試中共涉及了15張圖片，即使讓你人為命名寫路徑也不算很麻煩，可是人臉識別需要的資料往往很大，這就不可能說人為的去一張張圖片的處理了。但是整體的流程和上面小測試是相同的，這裡主要介紹一種csv檔案的使用方法：       

我們需要讀取人臉和人臉對應的標籤。直接在資料庫中讀取顯然是低效的。所以我們用csv檔案讀取。csv檔案中包含兩方面的內容，一是每一張圖片的位置所在，二是每一個人臉對應的標籤，就是為每一個人編號。這個at.txt就是我們需要的csv檔案。生成之後它裡面是這個樣子的：（指定到人臉儲存路徑即可）

        這裡網上有許多教程可以自動生成csv檔案，筆者是直接下載別人的，然後查詢替換成自己路徑下即可，關鍵我們要學會的是怎麼利用csv檔案去訪問圖片和標籤。

        這裡可以參考筆者的程式，先定義子函式，之後在主程式中呼叫即可：

 之後便是一些處理，將攝像頭採集到的影象檢測出人臉，再將人臉處理成指定格式，呼叫predict函式進行識別，和庫內資料比較即可。

 以上就是本篇的全部內容，如果覺得有用，請幫忙關注下唄~