OpenCV 从图像中获取人脸并使用模型进行预测

Question

从灰度图像中检索人脸的代码（已经转换为 cv::Mat）工作起来很奇怪， 我做错了什么？

// in initializer list 
model(cv::face::FisherFaceRecognizer::create())
// ....
const cv::Mat grayscale = cv::imread("photo_15.jpeg",cv::IMREAD_GRAYSCALE);

std::vector<cv::Rect> faceCandidates;
m_cascade.detectMultiScale(grayscale, faceCandidates);

uint32 label = -1;         
double confidence = 0.0;
// this line for the testing purposes only
model->predict(grayscale, label, confidence);

这很好用：标签指的是正确的人和 10 以内的信心。 但让我们继续这个函数代码：

for (auto &faceCandidateRegion : faceCandidates) {
    cv::Mat faceResized;
    // size_ is a member and contains 1280x720 for my case, equal to model trained photos. 
    cv::resize( cv::Mat(grayscale, faceCandidateRegion), faceResized, cv::Size(size_.width(), size_.height()));

    // Recognize current face.
    m_model->predict(faceResized, label, confidence);
// ... other processing 

这段代码完全错误：即使我使用训练照片集中的识别照片，它总是产生不正确的标签，置信度约为 45-46K

知道我在这里做错了什么吗？ 用于测试：我尝试使用 Fisher、eigen 和 lbph 执行此操作，但结果相同

更新：应用程序中的每个模型都是几个用户组，每个用户由 2-6 张照片呈现，所以这就是我在模型中训练几个用户的原因

这是训练模型的代码：

std::size_t
Recognizer::extractFacesAndConvertGrayscale(const QByteArray &rgb888, std::vector<cv::Mat> &faces)
{
    cv::Mat frame = cv::imdecode(std::vector<char>{rgb888.cbegin(), rgb888.cend()}, cv::IMREAD_GRAYSCALE);
    std::vector<cv::Rect> faceCandidates;
    m_cascade.detectMultiScale(frame, faceCandidates);
    int label = 0;
    for(const auto &face : faceCandidates) {
        cv::Mat faceResized;
        cv::resize(cv::Mat{frame, face}, faceResized,
                   cv::Size(this->m_size.width(), this->m_size.height()));

        faces.push_back(faceResized);
    }

    return faceCandidates.size();
}

bool Recognizer::train(const std::vector<qint32> &labels, const std::vector<QByteArray> &rgb888s)
{
    if (labels.empty() || rgb888s.empty() || labels.size() != rgb888s.size())
        return false;

    std::vector<cv::Mat> mats = {};
    std::vector<int32_t> processedLabels = {};
    std::size_t i = 0;
    for(const QByteArray &data : rgb888s)
    {
        std::size_t count = this->extractFacesAndConvertGrayscale(data, mats);
        if (count)
            std::fill_n(std::back_inserter(processedLabels), count, labels[i++]);
    }
    m_model->train(mats, processedLabels);

    return true;
}

Answer 1

我们在 cmets 中解决了这个问题，但供将来参考：

这一行的事实

// this line for the testing purposes only
model->predict(grayscale, label, confidence);

比

更有信心

// Recognize current face.
m_model->predict(faceResized, label, confidence);

发生是因为模型是用未裁剪的图像训练的，而检测器裁剪了人脸。

为了匹配输入，而不是使用整个图像进行预测，应该使用裁剪后的人脸训练模型：

• 由于多尺度检测，分类器的执行独立于原始图像中人脸的大小；即图像中人脸的大小和位置成为不变量。
• 背景不会干扰分类。原始输入的宽高比为 16:9，因此至少图像的两侧会在描述符中产生噪点。