OpenCV+Qt:基于PCA主成分分析的人脸识别例程

在模式辨认领域中,PCA是1种经常使用的数据集降维手段,在此基础上,保存数据集中对方差贡献最大的特点从而进行模式分类。OpenCV中提供PCA的类,因此可以方便地使用PCA来进行人脸辨认研究。在学习了网上的相干实现和代码,在以下开发平台跑通了代码:win8.1+OpenCV2.4.9+Qt5.3.2。

1、基本步骤

关于PCA的1些理论,可参照:http://blog.csdn.net/liyuefeilong/article/details/45126255 以下是实现PCA的基本思路:

1.把原始数据中每一个样本用1个向量表示,然后把所有样本组合起来构成1个矩阵。这里为了不样本单位对后续处理的影响,样本集需要标准化。

2.求样本的散布矩阵。事实上,散布矩阵是样本协方差矩阵的(n⑴)倍,而协方差矩阵则表示不同随机变量之间的相互关系,在图象中则等价为求两个像素之间的关系。这里散布矩阵是实对称矩阵。

3.对第2步中得到的散布矩阵求相应的特点值和特点向量。

4.所谓主成份分析,即需要得到具有最大特点值的特点向量,所以我们需要将特点向量依照特点值由大到小排序并构成1个映照矩阵,并根据指定的PCA保存的特点个数取出映照矩阵的前n行或前n列作为终究的映照矩阵。

5.用第4步的映照矩阵对训练样本数据进行映照,到达数据降维的目的。假定原始的图象数据是m*n的矩阵,只包括主成份的特点向量构成1个n*p的矩阵,其中每列都是1个特点向量。将两个矩阵相乘,便可取得降维以后的图象矩阵m*p,这个矩阵远小于原始的图象数据。

6.同步骤5,读取所有测试集图象,并对其进行降维操作。如果测试集有M幅图象,则降维后的矩阵为M*p。

7.最后,对测试集进行模式辨认。

在本次实验实现的进程中,需要用到opencv的这些函数,下面简单介绍下这些函数。

2、OpenCV中需要用到的几个函数

PCA::PCA(InputArray data, // 输入1个矩阵
InputArray mean, // 输出1个句子
int flags, // 输入矩阵数据的存储方式,有以下两种参数设定
// CV_PCA_DATA_AS_ROW:代表输入矩阵的每行表示1个样本
// CV_PCA_DATA_AS_COL:代表输入矩阵的每列表示1个样本
int maxComponents=0) // 计算PCA时保存的最大主成份的个数
// 该函数将输入数据投影到PCA主成份空间中去
// 返回每个样本主成份特点组成的矩阵
cv::Mat PCA::project(InputArray vec) const
// 调用backProject函数前1般已调用过project()函数
// 其作用可理解为project()函数的逆运算
// 函数的作用就是用vec来重构原始数据集(原理有待进1步了解)
cv::Mat PCA::backProject(InputArray vec) const

另外PCA类中还有几个重要的成员变量:

mean // 原始数据的均值
eigenvectors // 散布矩阵(协方差矩阵)的特点值
eigenvalues // 散布矩阵(协方差矩阵)的特点向量

3、相干代码

根据网上提供的代码,修改成可以在开发平台上使用的版本:

#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);
//下面的代码为设置图片显示区域自适应图片的大小
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;// 将整数i读入字符串流
str>>num;// 将字符串流中的数据传入num,这2句代码即把数字转换成字符
string image_name = ("C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/images/" + num + ".pgm");//需要读取的图片全名
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;
}

}

// 将Mat内的内容归1化到0255,归1化后的类型为8位无符号整型单通道
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()
{
//先显示3张原图
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数组用来寄存读取进来的所有图片的数据,其中mat的每列对应1张图片,该实现在下面的for函数中
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;//保存最大的主成份数
//构造pca数据结构
PCA pca(mat, Mat(), CV_PCA_DATA_AS_COL, number_principal_compent);
//pca.eigenvectors中的每行代表输入数据协方差矩阵1个特点向量,且是依照该协方差矩阵的特点值进行排序的
pca_face1 = normalize(pca.eigenvectors.row(0)).reshape(1, src[0].rows);//第1个主成份脸
imwrite("C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/result/pca_face1.jpg", pca_face1);//显示主成份特点脸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个主成份脸
imwrite("C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/result/pca_face2.jpg", pca_face2);//显示主成份特点脸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个主成份脸
imwrite("C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/result/pca_face3.jpg", pca_face3);//显示主成份特点脸3
ui->face9Browser->append("<img src=C:/Users/peng__000/Desktop/PR.proj05/OpenCV4PCA/PCA_Face/result/pca_face3.jpg>");

//将原始数据通过PCA方向投影,即通过特点向量的前面几个作用后的数据,因此这里的dst的尺寸变小了
dst = pca.project(mat);
//通过方向投影重构原始人脸图象
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();
}

这里写图片描述

其中第1行的3张人脸分别为ORL人脸库其中的3张,分别取3个不同的人。

第2行中显示的3张人脸分别为第1行中人脸经过PCA投影函数Project后,又调用反向投影函数backProject变换回来的人脸图象。

第3行的人脸图为取的原始数据计算散布矩阵的特点向量的最前面3个,使用这3个向量所得到的输出最能代表人脸特点。

最后感谢代码原文介绍:http://www.cnblogs.com/tornadomeet/archive/2012/09/06/2673104.html

波比源码 – 精品源码模版分享 | www.bobi11.com
1. 本站所有资源来源于用户上传和网络,如有侵权请邮件联系站长!
2. 分享目的仅供大家学习和交流,您必须在下载后24小时内删除!
3. 不得使用于非法商业用途,不得违反国家法律。否则后果自负!
4. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
5. 如有链接无法下载、失效或广告,请联系管理员处理!
6. 本站资源售价只是赞助,收取费用仅维持本站的日常运营所需!
7. 如遇到加密压缩包,请使用WINRAR解压,如遇到无法解压的请联系管理员!

波比源码 » OpenCV+Qt:基于PCA主成分分析的人脸识别例程

发表评论

Hi, 如果你对这款模板有疑问,可以跟我联系哦!

联系站长
赞助VIP 享更多特权,建议使用 QQ 登录
喜欢我嘛?喜欢就按“ctrl+D”收藏我吧!♡