首先，全部程式碼實現參考冰不語，感謝大佬提供程式碼（檢視官網也可），幫助素人學習。

總的來說，當你走過一遍以後，會發現其實很簡單，基本都是呼叫opencv庫和opencv_contrib庫，關於opencv_contrib的配置方法，CSDN上真正對你路子的方法很少，所以建議初學者安裝版本時，選擇你參考的安裝方法的版本，除錯起來會更方便，如果你是3.3.0版本，需要配置contrib的話，可以私信我，我可以分享編譯好的install檔案給你，免除配置煩惱。

至於為什麼寫這篇文章，是應為冰不語的版本時opencv2.*的版本，自己再寫3.3版本時，遇到很多坑，然後一一填滿，所以避免opencv3新手入坑吧，寫了這篇總結。

重點開始

• 資料準備                                                                                                                                                                          ORL人臉資料庫，參考：人臉識別之一資料收集和預處理                                                                                                   本人資料準備：

#include <opencv2/opencv.hpp>;
#include <iostream>

using namespace cv;
using namespace std;

char ad[128] = { 0 };
int main()
{
	vector<Rect> faces;
	Mat image, image_gray;

	for (int i = 1; i < 11; i++)
	{
		sprintf_s(ad, "你的照片路徑(注意分割符用\\或者/)\\%d.jpg", i);
		image = imread(ad);
		cvtColor(image, image_gray, COLOR_BGR2GRAY);
		equalizeHist(image_gray, image_gray);
		CascadeClassifier face_cascade; //載入分類器
		if (!face_cascade.load("分類器存放目錄\\haarcascade_frontalface_alt.xml"))
		{
			cout << "Load haarcascade_frontalface_alt failed" << endl;
			return 0;
		}
		vector<Rect> faceRect;
		face_cascade.detectMultiScale(image_gray, faceRect, 1.1, 2, 0 | CV_HAAR_SCALE_IMAGE, Size(30, 30));
		for (size_t j = 0; j < faceRect.size(); j++)
		{
			Mat faceROI = image(faceRect[j]);
			Mat MyFace;
			if (faceROI.cols > 100)
			{
				resize(faceROI, MyFace, Size(92, 112));
				string str = format("儲存路徑\\s41\\%d.jpg", i);
				imwrite(str, MyFace);
			}

		}

	}


}
 

這部分沒遇到什麼問題，如有問題，歡迎提問

• 模型訓練                                                                                                                                                 

  #include <iostream>
  #include <fstream>
  #include <sstream>
  #include <math.h>
  #include <opencv2/opencv.hpp>
  #include <opencv2/face/facerec.hpp>
  #include <opencv2/face.hpp>
  
  using namespace std;
  using namespace cv;
  using namespace cv::face;
  
  
  static Mat norm_0_255(InputArray _src) {
  	Mat src = _src.getMat();
  	// 建立和返回一個歸一化後的影象矩陣:  
  	Mat dst;
  	switch (src.channels()) {
  	case1:
  		cv::normalize(_src, dst, 0, 255, NORM_MINMAX, CV_8UC1);
  		break;
  	case3:
  		cv::normalize(_src, dst, 0, 255, NORM_MINMAX, CV_8UC3);
  		break;
  	default:
  		src.copyTo(dst);
  		break;
  	}
  	return dst;
  }
  	
  //使用CSV檔案去讀影象和標籤，主要使用stringstream和getline方法  
  static void read_csv(const string& filename, vector<Mat>& images, vector<int>& labels, char separator = ';') {
  	std::ifstream file(filename.c_str(), ifstream::in);
  	if (!file) {
  		string error_message = "No valid input file was given, please check the given filename.";
  		CV_Error(CV_StsBadArg, error_message);
  	}
  	string line, path, classlabel;
  	while (getline(file, line)) {
  		stringstream liness(line);
  		getline(liness, path, separator);
  		getline(liness, classlabel);
  		if (!path.empty() && !classlabel.empty()) {
  			images.push_back(imread(path, 0));
  			labels.push_back(atoi(classlabel.c_str()));
  		}
  	}
  }
  
  int main()
  {
  	system("color 3F");
  	//讀取檔案路徑
  	string  fn_csv = "路徑\\att_faces\\at.txt";
  
  	//定義容器存放影象資料和標籤
  	vector<Mat> images;
  	vector<int> labels;
  
  	//讀取資料
  	try
  	{
  		read_csv(fn_csv, images, labels);
  	}
  	catch (cv::Exception& e)
  	{
  		cerr << "Error opening file \"" << fn_csv << "\". Reason: " << e.msg << endl;
  		// 檔案有問題，我們啥也做不了了，退出了  
  		exit(1);
  	}
  	// 如果沒有讀取到足夠圖片，也退出.  
  	if (images.size() <= 1) {
  		string error_message = "This demo needs at least 2 images to work. Please add more images to your data set!";
  		CV_Error(CV_StsError, error_message);
  	}
  
  	//訓練集去除最後一張圖片
  	Mat testSample = images[images.size() - 1];
  	int testLabel = labels[labels.size() - 1];
  	images.pop_back();
  	labels.pop_back();
  
  	Ptr<EigenFaceRecognizer> model = EigenFaceRecognizer::create();
  	model->train(images, labels);
  	model->write("MyFacePCAModel.xml");
  
  	Ptr<FisherFaceRecognizer> model1 = FisherFaceRecognizer::create();
  	model1->train(images, labels);
  	model1->write("MyFaceFisherModel.xml");
  
  	Ptr<LBPHFaceRecognizer> model2 = LBPHFaceRecognizer::create();
  	model2->train(images, labels);
  	model2->write("MyFaceLBPHModel.xml");
  
  	// 下面對測試影象進行預測，predictedLabel是預測標籤結果  
  	int predictedLabel = model->predict(testSample);
  	int predictedLabel1 = model1->predict(testSample);
  	int predictedLabel2 = model2->predict(testSample);
  
  	string result_message = format("Predicted class = %d / Actual class = %d.", predictedLabel, testLabel);
  	string result_message1 = format("Predicted class = %d / Actual class = %d.", predictedLabel1, testLabel);
  	string result_message2 = format("Predicted class = %d / Actual class = %d.", predictedLabel2, testLabel);
  	cout << result_message << endl;
  	cout << result_message1 << endl;
  	cout << result_message2 << endl;
  
  	waitKey(0);
  	return 0;
  
  }

  問題彙總                                                                                                                                                   1.這裡有難度的地方就是at.txt檔案的製作，我是按照冰不語的方式做的，但是有一個問題就是，我做出來的，我本人的照片並不是物件41標籤，而是35，無所謂的，能找到自己就行。

      2.特徵模型的建立，繼續我大哥，冰不語：opencv3.3 API變換，你以為這樣就夠了嘛，不是的，當我訓練完成以後，在進行測試識別的時候， 出現了OpenCV Error: Unspecified error錯誤，不得不說，百度拯救了我，沒錯，在opencv3.3以前，save對應load， 3.3就要變成write對應read， 水平真的有限，你體會的到我被那哥錯誤支配半天的痛苦嗎，我都要放棄的時候，找到了答案，題外話，遇到問題，百度百度再百度，人類那麼多，總會有和你問題一樣的“先行者”，加油，你行的！

• 識別自己的臉

    冰不語是呼叫的攝像頭，我選擇讀自己其他的照片，別說這個簡單，沒有參考的去做這個，你做你還真能行！

程式碼奉上：

#include <opencv2/opencv.hpp>
#include <opencv2/face.hpp>
#include <opencv2/face/facerec.hpp>
#include <iostream>

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

int main()
{
	system("color 3F");
	Mat image, image_gray;

	image = imread("huangbo.jpg");
	//namedWindow("蘇寶寶本人");
	//imshow("蘇寶寶本人", image);
	cvtColor(image, image_gray, CV_BGR2GRAY);
	equalizeHist(image_gray, image_gray);
	//imshow("蘇寶寶", image_gray);

	CascadeClassifier cascade;
	cascade.load("haarcascade_frontalface_alt.xml");
	vector<Rect> faces(0);
	cascade.detectMultiScale(image_gray, faces, 1.1, 2, 0 | CV_HAAR_SCALE_IMAGE, Size(30, 30));
	Mat face;
	Point text_lb;
	for (size_t i = 0; i < faces.size(); i++)
	{
		if (faces[i].height > 0 && faces[i].width > 0)
		{
			face = image_gray(faces[i]);
			text_lb = Point(faces[0].x, faces[0].y);
			rectangle(image, faces[0], Scalar(0, 255, 0), 1, 8, 0);
		}
			
	}
    Ptr<EigenFaceRecognizer> modelPCA = EigenFaceRecognizer::create();
	modelPCA -> read("MyFacePCAModel.xml");

	int predictPCA = 50;
	Mat face_test;
	if (face.rows >= 120)
	{
		resize(face, face_test, Size(92, 112));
	}

	if (!face_test.empty())
	{
		predictPCA = modelPCA->predict(face_test);
	}
	if (predictPCA == 50)
	{
		string name2 = "Not RanRansu";
		putText(image, name2, text_lb, FONT_HERSHEY_COMPLEX, 1, Scalar(255, 0, 0));
		cout << "未匹配到合適的人臉" << endl;
		namedWindow("人臉識別結果");
		imshow("人臉識別結果", image);
	}

	if (predictPCA == 35)
	{
		string name = "RanRanSu";
		putText(image, name, text_lb, FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255));
		cout << "我們可愛的蘇寶寶本人" << endl;
		namedWindow("人臉識別結果");
		imshow("人臉識別結果", image);	
	}

	waitKey(0);
	return 0;
}

那個model ->read，真是是拿智商在支配我，別說了，多看基礎東西！

沒有結果的部落格不是好部落格。。。。。。

警告！！！！！！！！！！！

膽小勿看下滑。。。。。

感謝我可愛的舍友RanRanSu出境，祝願他生活幸福，少和媳婦鬧矛盾，好好走下去！！！！

我本人比較帥

把識別不出的仙女奉上：

最長的一篇部落格，真心希望對你有用，生活快樂！