c#Winform使用Opencvsharp4实现简易人脸识别

     环境配置： vs2019 ， .Net FrameWork 4.8  Opencvsharp4

      在Nuget内下载最新的Opencvsharp4即可，

       大概说一下我所理解的人脸识别的原理吧，就是先给训练器一些训练数据，就是我们告诉训练器这些数据分别对应的是哪些人，然后训练器就记住这些图像的特征以及对应的人名，然后在识别时找出识别图像的特征，再与已经训练好的特征进行比对，找出训练集中与之最相近的那个特征，并给出其对应的名字，和相似程度，也就是得分。

      在Opencvsharp4内，有相应的模块，在OpenCvSharp.Face 里面，FaceRecognizer 就是我们需要的训练器，注意，添加训练集时，我们给的训练数据是，图像以及对应的ID数字，转换成名字时我们可以在添加训练集时把对应的名字自己保存下来，在给出训练结果时，用给出的ID数字去找出对应的名字即可；还有添加训练集时，同一张人脸的照片放在同一个目录下，也就是说一个名字可以对应多张不同的人脸，但一个人脸只能有一个名字；添加训练集和进行人脸识别时，图像大小要一样；请至少添加两组训练图像。

     界面实现：

    简单的Winform界面 ，控件都是自带即可

     我把添加训练图像也放在界面上了，当然也可以直接在本地训练集里面进行修改，但是要注意图像的大小要保持一致

大概的运行结果

 主要代码：

首先 ，定义一个训练器

  public static FaceRecognizer faceRecongnizer = FisherFaceRecognizer.Create();

再定义一个自定义的类 即把图像与ID 绑定起来

1.  
   class yImgs
2.  
   {
3.  
   // 图像
4.  
   public Mat Image { set; get; }
5.  
   // 编号
6.  
   public int ImageGroupId { set; get; }
7.  
   }

       用一个List<yImgs> 来存放训练数据，我不使用字典的原因是，1，如果编号是Key 图像是Value的话，一个编号 也就是一个人 就只能添加一张图像，用 List<Mat>作为字典的Value的话，也感觉麻烦，还不如直接使用一个List方便，2，如果使用图像作为Key，编号作为Value的话，图像就不能重复了，即一个人就不能添加两张一样的图片作为训练图片，而使用List<yImgs> 的话，就能添加两张一样的图片作为训练图片。

      有了这个List之后，我们再定义一个字典，来绑定编号和人的名字，这里就不考虑重名的。

 public static Dictionary<int, string> namesDatas = new Dictionary<int, string>();

     然后我们就可以添加训练图像了 我目前都是往本地添加图像，设置成想要的格式，然后在训练前，把所有的图像信息从本地读出来

1.  
   /// <summary>
2.  
   /// 添加训练集图片 即把指定图片调整为指定大小 并保存在训练集路径中
3.  
   /// 同一人的照片都放在一个文件夹内 该文件夹的名字为 名字ID_名字，如：1_Lena
4.  
   /// 图片名字是按顺序自己生成的 1.jpg 2.jpg....
5.  
   /// </summary>
6.  
   /// <param name="src">训练图像</param>
7.  
   /// <param name="size">图像大小</param>
8.  
   /// <param name="groupId">编号，与名字一个一个地对应</param>
9.  
   /// <param name="name">名字</param>
10.  
    public static void AddTrainImg(Mat src, OpenCvSharp.Size size,int groupId,string name)
11.  
    {
12.  
    string path0 = groupId.ToString() "_" name;
13.  
    string path = yVars.path "\\" path0 "\\";
14.  
    // 判断图像是否可以作为训练图像添加
15.  
    // 即 图像包含人脸 且只有一张人脸
16.  
    if (yMethods.TrainImgISOK(src) == false)
17.  
    {
18.  
    return;
19.  
    }
20.  
    try
21.  
    {
22.  
    if (!Directory.Exists(path))
23.  
    {
24.  
    Directory.CreateDirectory(path);
25.  
    }
26.  
    }
27.  
    catch (Exception ex)
28.  
    {
29.  
    YXH._01.yMessagebox.ShowDialogCN("路径创建失败:" ex.Message);
30.  
    return;
31.  
    }
32.  
    DirectoryInfo _path = new DirectoryInfo(path);
33.  
    int i = 0;
34.  
    do
35.  
    {
36.  
    i ;
37.  
    } while (File.Exists(path i.ToString() ".jpg"));
38.  
    string picname = path i.ToString() ".jpg";
39.  
    try
40.  
    {
41.  
    Cv2.Resize(src, src, size);
42.  
    src.SaveImage(picname);
43.  
    yVars.TrainAgain = true;
44.  
    YXH._01.yMessagebox.ShowDialogCN("训练图像添加成功");
45.  
    }
46.  
    catch (Exception ex)
47.  
    {
48.  
    YXH._01.yMessagebox.ShowDialogCN("训练图像添加失败:" ex.Message);
49.  
    }
50.  
    }

添加在本地的格式 如下

     训练集图像添加在本地后，就读取本地信息，并对训练器进行训练。就是给我们最开始定义的List<yImgs>赋值，并用它对训练器训练。

1.  
   // 读取本地信息
2.  
   private static bool GetInfos()
3.  
   {
4.  
   // 把原先的信息清空
5.  
   yVars.faceDatas.Clear(); // 训练数据 List<yImgs>
6.  
   yVars.namesDatas.Clear(); // 字典 Dictionary<int, string>
7.  
   DirectoryInfo _path = new DirectoryInfo(yVars.path); //训练集存放路径
8.  
    
9.  
   if (_path.GetDirectories().Length < 2)
10.  
    {
11.  
    YXH._01.yMessagebox.ShowDialogCN("本地训练集小于两组,请添加训练集");
12.  
    return false;
13.  
    }
14.  
    if (yFiles.DirectoryHasTwoGroup(yVars.path) == false)
15.  
    {
16.  
    YXH._01.yMessagebox.ShowDialogCN("本地训练集小于两组,请添加训练集");
17.  
    return false;
18.  
    }
19.  
     
20.  
    foreach (DirectoryInfo var in _path.GetDirectories())
21.  
    {
22.  
    string[] tempstr = var.ToString().Split('_');
23.  
    int groupID = 0;
24.  
    int.TryParse(tempstr[0], out groupID);
25.  
    foreach (FileInfo vv in var.GetFiles())
26.  
    {
27.  
    if (!vv.FullName.Contains(".jpg"))
28.  
    continue;
29.  
    yVars.faceDatas.Add(
30.  
    new yImgs
31.  
    {
32.  
    Image = new Mat(vv.FullName, ImreadModes.Grayscale),
33.  
    ImageGroupId = groupID,
34.  
    });
35.  
    }
36.  
    yVars.namesDatas.Add(groupID, tempstr[1]);
37.  
    }
38.  
    return true;
39.  
    }

训练的话就直接调用 训练器的训练方法即可

  yVars.faceRecongnizer.Train(yVars.faceDatas.Select(x => x.Image), yVars.faceDatas.Select(x => x.ImageGroupId));

训练好之后就能进行识别了。

大概步骤如下：

1、从识别的图像中获取出所有的人脸图像，并将这些人脸图像调整为跟训练集一样的大小.(识别图像内可以有多张人脸，训练图像内只能有一张人脸)

1.  
   // 从图片中获取所有的人脸图片 并调整为指定大小
2.  
   private static List<Mat> GetFaces(Mat mm, OpenCvSharp.Rect[] rects, OpenCvSharp.Size size)
3.  
   {
4.  
   List<Mat> faces = new List<Mat>();
5.  
   foreach (Rect rect in rects)
6.  
   {
7.  
   Mat m1 = new Mat(mm, rect);
8.  
   Cv2.CvtColor(m1, m1, ColorConversionCodes.BGR2GRAY);
9.  
   Cv2.Resize(m1, m1, size);
10.  
    // Cv2.EqualizeHist(m1, m1);
11.  
    faces.Add(m1);
12.  
    }
13.  
    return faces;
14.  
    }

2、得到上面所有的人脸的位置

1.  
   // 获取图像所有的人脸框
2.  
   private static OpenCvSharp.Rect[] GetRects(Mat mm)
3.  
   {
4.  
   Mat grayImage = new Mat();
5.  
   Cv2.CvtColor(mm, grayImage, ColorConversionCodes.BGR2GRAY);
6.  
   Cv2.EqualizeHist(grayImage, grayImage);
7.  
   string path = System.Windows.Forms.Application.StartupPath "\\xml\\haarcascades\\" "haarcascade_frontalface_alt.xml";
8.  
   CascadeClassifier face = new CascadeClassifier(path);
9.  
   Rect[] faces = face.DetectMultiScale(mm);
10.  
    return faces;
11.  
    }

3、对获取出来的所有人脸照片进行识别，得到其对应的名字

1.  
   // 获取所有名字
2.  
   private static List<string> GetNames(List<Mat> mm)
3.  
   {
4.  
   List<string> names = new List<string>();
5.  
   for (int i = 0; i < mm.Count; i )
6.  
   {
7.  
   int groupId = -2;
8.  
   //groupId = yVars.FaceDetect.faceRecongnizer.Predict(mm[i]);
9.  
   double confidence = 0.0;
10.  
    yVars.faceRecongnizer.Predict(mm[i], out groupId, out confidence);
11.  
    string desName;
12.  
    yVars.namesDatas.TryGetValue(groupId, out desName);
13.  
    // names.Add(desName " " confidence.ToString("0.00"));
14.  
    names.Add(desName);
15.  
    }
16.  
    return names;
17.  
    }

4、最后把所有的名字在对应位置画出来就行

1.  
   // 画出所有的框和名字
2.  
   public static Mat ShowFaceRects(Mat mm, Rect[] faces, List<string> names)
3.  
   {
4.  
   Random rnd = new Random();
5.  
   int i = -1;
6.  
   foreach (Rect face in faces)
7.  
   {
8.  
   i ;
9.  
   Scalar color = new Scalar(rnd.Next(0, 255), rnd.Next(0, 255), rnd.Next(0, 255));
10.  
    Cv2.Rectangle(mm, face, color);
11.  
    // 无法显示中文 可以考虑用 System.Drawing.Graphics
12.  
    Cv2.PutText(mm, names[i], face.TopLeft, HersheyFonts.HersheySimplex, 0.8, new Scalar(255, 23, 0));
13.  
    }
14.  
    return mm;
15.  
    }

注意一下写名字的时候，如果用 Cv2.PutText 名字就不能是中文的

这样就实现了简单的人脸识别了。

这篇好文章是转载于：学新通技术网