opencv 做人脸识别 opencv 人脸匹配分析

机器学习
机器学习的目的是把数据转换成信息。
机器学习通过从数据里提取规则或模式来把数据转成信息。

人脸识别
人脸识别通过级联分类器对特征的分级筛选来确定是否是人脸。
每个节点的正确识别率很高，但正确拒绝率很低。
任一节点判断没有人脸特征则结束运算，宣布不是人脸。
全部节点通过，则宣布是人脸。
工业上，常用人脸识别技术来识别物体。

对图片进行识别

参数	filename – 所要读取分类器文件的文件名

CascadeClassifier::empty
检查分类器是否已经载入。

C++: bool CascadeClassifier::empty() const
CascadeClassifier::load
从一个文件读取分类器。

C++: bool CascadeClassifier::load(const string& filename)
参数 filename – 所要读取分类器文件的文件名。文件可以是旧版的HAAR分类器模型也可以是新版的分类器模型。

参数	filename – 所要读取分类器文件的文件名。文件可以是旧版的HAAR分类器模型也可以是新版的分类器模型。

CascadeClassifier::read
读取一个文件存储节点的分类器。

C++: bool CascadeClassifier::read(const FileNode& node)


CascadeClassifier::detectMultiScale
对不同大小的输入图像进行物体识别，并返回一个识别到的物体的矩阵列表。

C++: void CascadeClassifier::detectMultiScale(const Mat& image, vector<Rect>& objects, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size()) 

参数	image – 需要检测的 CV_8U 输入矩阵。 objects – 输出vector载体容器用于保存被识别的物体矩阵。 scaleFactor – 指定每张图片的缩小比例的参数。 minNeighbors – 指定每个候选矩阵至少包含的邻近元素个数。 flags – 与旧版级联分类器模型函数cvHaarDetectObjects的flags相同. 此参数不被用于新版模型。 minSize – 最小可能的对象的大小，小于的对象将被忽略。 maxSize – 最大可能的对象的大小，大于的对象将被忽略。

CascadeClassifier::setImage
设置被用于检测的图像。

C++: bool CascadeClassifier::setImage(Ptr<FeatureEvaluator>& feval, const Mat& image)

参数	feval – 用于特征计算的特征求值程序的指针。 image – 需要进行特征检测的 CV_8U 输入矩阵。

这个函数将在每张图片中被 CascadeClassifier::detectMultiScale() 自动调用。 但如果你想在不同位置手动使用 CascadeClassifier::runAt()，你需要先调用该函数，使得图像被积分计算。

CascadeClassifier::runAt
在指定点运行检测。

C++: int CascadeClassifier::runAt(Ptr<FeatureEvaluator>& feval, Point pt, double& weight) 

参数	feval – 用于特征计算的特征求值程序。 pt – 指定检测窗口左上角的点。窗口的大小和检测的图片大小一致。

如果级联分类器检测到给定的位置中的一个对象，该函数返回1。否则，它会返回已被否决的候选区域在哪个阶段的否定的指数。

使用CascadeClassifier::setImage() 设置图像的检测工作。

代码注释：

参数	src – 输入图像：8位无符号，16位无符号（CV_16UC...），或单精度浮点数据类型。 dst – 输出图像，与输入图像相同大小、深度。 code – 颜色空间转换代码。 dstCn – 目标图像的通道数，当该参数为0时，则通道树由src和code自动得出。

该函数将输入图片从一个色彩空间转到另一个色彩空间。当从RGB颜色空间进行变换时，应明确指定的信道的顺序（RGB或BGR）。值得注意，在OpenCV的默认颜色格式中，通常被称为作为RGB，但实际上是BGR（字节是相反的）。因此，在一个标准的（24位）的彩色图像的第一个字节是一个8位的蓝色分量，第二个字节将是绿色的，第三个字节将是红色的。而第四，第五，和第六字节，则是第二像素（蓝，然后绿色，然后红色），依此类推。

R、G和B 通道通常信道值范围：

CV_8U：0 — 255
CV_16U：0 — 65535
CV_32F：0 — 1
线性变换的情况下，有没有范围是无所谓的。但是，在一个非线性变换的情况下，输入的RGB图像应被归为适当的值范围内，以得到正确的结果。例如，如果你有一个32位浮点图像直接转换成一个8位的图像而没有任何缩放，那么它将有0到255的数值范围，而这并不能准确0..1所有浮点数的值。所以，你需要之前调用cvtColor，进行图像缩放。

代码注释：
cvtColor( frame, fram