1.相关的配置
1> 该项目所用环境：qt-opensource-windows-x86-mingw491_opengl-5.4.0
2> 配置opencv库路径：
1、在D盘下创建一个opencv的文件夹，用于存放所需材料
2、在opencv的文件夹下创建一个名为：opencv3.4-qt-intall 文件夹
3、将资料中的opencv_library的install文件，复制到opencv3.4-qt-intall 文件夹中
4、将路径：D:\opencv\opencv3.4-qt-intall\install\x86\mingw\bin 放入电脑的系统路径中
3> 测试是否配置好
创建一个新的qt工程，将对应配置文件和头文件放入后，不报错就说明配置成功
2.关于图像处理的相关类和函数
1> Mat类，图像容器
2> 读取图像
Mat imread( const String& filename, int flags = IMREAD_COLOR );
//功能：读取出图像
//参数：图像路径
//返回值：读取的图像3> 命名展示图像的窗口
void namedWindow(const String& winname, int flags = WINDOW_AUTOSIZE);
功能：命名一个图像窗口
参数1：窗口名称
参数2：窗体尺寸，默认为自适应大小
返回值：无4> 展示图像
void imshow(const String& winname, const ogl::Texture2D& tex);
//功能：展示图像
//参数1：要展示图像的窗口名称
//参数2：要展示的二维图像
//返回值：无#include "widget.h"
#include <QApplication>
int main(int argc, char *argv[])
{
QApplication a(argc, argv);
Widget w;
w.show();
//1、定义一个图像容器
Mat src;
//2、将图像加载进来
//函数原型：Mat imread( const String& filename, int flags = IMREAD_COLOR );
//参数：图像的路径
//返回值：图像容器
src = imread("D:/opencv/resource/age.jpg");
//4、命名一个展示图像的窗口
//namedWindow("Test");
//5、展示图像
//函数原型：void imshow(const String& winname, const ogl::Texture2D& tex);
//参数1：要展示图像的窗口名称
//参数2：要展示的图像
//返回值：无
imshow("Test", src);
return a.exec();
}3.视频流相关类和函数
1> 视频流类：VideoCapture
2> 打开视频：
virtual bool open(const String& filename);
//参数：要打开视频的路径
//返回值：成功返回true失败返回false3> 打开摄像头只需在构造时，调用构造函数参数传递0即可
4> 读取视频流中图像
virtual bool read(OutputArray image);
功能：读取视频流中的图像
参数：图像容器
返回值：成功读取返回true，失败或者视频结束返回false5> 图像翻转
void flip(InputArray src, OutputArray dst, int flipCode);
//将图像进行旋转
//参数1：要处理的图像
//参数2：处理后的图像容器
//参数3：处理规则：0：表示沿x翻转，1表示沿y轴翻转，-1表示沿xy轴翻转6> 休眠阻塞函数
int waitKey(int delay = 0);
功能：阻塞等待用户输入数据，如果delay=0，则一直等待
参数：毫秒数
返回值：在等待过程中用户按下键的值#include "widget.h"
#include <QApplication>
int main(int argc, char *argv[])
{
QApplication a(argc, argv);
Widget w;
w.show();
//1、定义视频流对象
VideoCapture v(0); //表明使用摄像头构造一个视频流对象
//2、读取摄像头中的图像
Mat src; //用于存放读取出来的图像
//函数原型：virtual bool read(OutputArray image);
//功能：从视频流中读取一张图像放入参数中
//参数：图像容器
//返回值：成功返回真，失败或者读取视频结束返回假
while(v.read(src))
{
//将图像进行翻转
//函数原型：void flip(InputArray src, OutputArray dst, int flipCode);
//参数1：要翻转的图像
//参数2：翻转后的图像容器
//参数3：翻转规则：正数表示按y轴翻转，0表示按x轴翻转，负数表示按xy轴翻转
flip(src, src, 1);
//展示图像
imshow("Test1", src);
//加延时函数
//函数原型：int waitKey(int delay = 0);
//参数：等待时间
//返回值：在等待期间用户按下的键盘的ascii值 ESC键对应的值为27
if(waitKey(20)==27)
{
break;
}
}
return a.exec();
}4.图像处理
1> 灰度处理
void cvtColor( InputArray src, OutputArray dst, int code, int dstCn = 0 );
功能：转换图像色彩空间
//参数1：要转换的图像
//参数2：转变后图像容器
//参数3：转换规则：BGR to gray
返回值：无2> 均衡化处理
void equalizeHist( InputArray src, OutputArray dst );
参数1：输入的灰度图像，必须是8-bit的单通道图像
参数2：输出的图像
图像直方图：对整个图像在灰度范围内的像素值（0-255）统计出现的频率，据此生成直方图，直 方图反应了图像的灰度分布情况。#include "widget.h"
#include <QApplication>
int main(int argc, char *argv[])
{
QApplication a(argc, argv);
Widget w;
w.show();
//1、定义视频流对象
VideoCapture v(0); //表明使用摄像头构造一个视频流对象
//2、读取摄像头中的图像
Mat src; //用于存放读取出来的图像
Mat gray; //用于存储灰度图的图像容器
Mat dst; //用于存储均衡化处理后的图像容器
//函数原型：virtual bool read(OutputArray image);
//功能：从视频流中读取一张图像放入参数中
//参数：图像容器
//返回值：成功返回真，失败或者读取视频结束返回假
while(v.read(src))
{
//将图像进行翻转
//函数原型：void flip(InputArray src, OutputArray dst, int flipCode);
//参数1：要翻转的图像
//参数2：翻转后的图像容器
//参数3：翻转规则：正数表示按y轴翻转，0表示按x轴翻转，负数表示按xy轴翻转
flip(src, src, 1);
//3、将图像灰度处理
//函数原型：void cvtColor( InputArray src, OutputArray dst, int code, int dstCn = 0 );
//参数1：要转换的图像
//参数2：转换后的图像容器
//参数3：转换规则 CV_BGR2GRAY表示将bgr彩色图转换为gray灰度图
//返回值：无
cvtColor(src, gray, CV_BGR2GRAY);
//4、对图像进行均衡化处理
//函数原型：void equalizeHist( InputArray src, OutputArray dst );
//参数1：要进行均衡化处理的图像，必须是单通道灰度图
//参数2：均衡化处理后的图像容器
//返回值：无
equalizeHist(gray, dst);
//展示彩色图像
imshow("Test1", src);
//展示灰度图像
imshow("Test2", gray);
//展示均衡化处理后的图像
imshow("Test3", dst);
//加延时函数
//函数原型：int waitKey(int delay = 0);
//参数：等待时间
//返回值：在等待期间用户按下的键盘的ascii值 ESC键对应的值为27
if(waitKey(20)==27)
{
break;
}
}
return a.exec();
}
5.级联分类器
1> opencv级联分类器工具类 : CascadeClassifier //struct Student
2> 加载级联分类器配置文件 : bool load( const String& filename )
参数1：分类器数据文件的名字
返回值：成功true，失败false
3> 找到人脸所在位置的矩形区域
void detectMultiScale(
const Mat& image,
CV_OUT vector& objects, //int arr[4];
double scaleFactor = 1.1,
int minNeighbors = 3,
int flags = 0,
Size ize = Size(24,24))
参数1:待检测灰度图像(数据少处理起来简单)
参数2:被检测物体的矩形框向量( 人脸Rect矩形区域，其中objects.size()是人脸个数 )
参数3:前后两次相继的扫描中搜索窗口的比例系数，默认为1.1 即每次搜索窗口扩大10%
参数4:构成检测目标的相邻矩形的最小个数 如果组成检测目标的小矩形的个数和小于 minneighbors - 1 都会被除
参数5:若设置为CV_HAAR_DO_CANNY_PRUNING 函数将会使用Canny边缘检测来排除边缘过多 或过少的区域,，一般采用默认值0
参数6:用来限制得到的目标区域的范围，一般检测人脸使用Size(24, 24)4> 人脸部分的矩形区域显示出来
void rectangle(CV_IN_OUT Mat& img, Rect rec,
const Scalar& color, int thickness = 1,
int lineType = LINE_8, int shift = 0);
img：图像。
rec：表征矩形的位置和长宽。
color：线条颜色 (RGB) 。
thickness：组成矩形的线条的粗细程度。
line_type：线条的类型。
shift：坐标点的小数点位数,0表示没有小数点。#include "widget.h"
#include <QApplication>
int main(int argc, char *argv[])
{
QApplication a(argc, argv);
Widget w;
w.show();
//1、定义视频流对象
VideoCapture v(0); //表明使用摄像头构造一个视频流对象
//2、读取摄像头中的图像
Mat src; //用于存放读取出来的图像
Mat gray; //用于存储灰度图的图像容器
Mat dst; //用于存储均衡化处理后的图像容器
//5、实例化一个级联分类器的对象，用于找到图像中的人脸矩形区域
CascadeClassifier c;
//给类对象装载人脸识别模型
//函数原型：bool load( const String& filename );
//功能：给级联分类器对象，下载一个识别模型
//参数：人脸识别模型的文件路径
//返回值：成功下载返回真，失败返回假
if(!c.load("D:/opencv/resource/haarcascade_frontalface_alt2.xml"))
{
QMessageBox::information(NULL,"失败", "人脸识别模型装载失败");
return -1;
}
//定义容器存放人脸分类后的矩形框
vector<Rect> faces;
//函数原型：virtual bool read(OutputArray image);
//功能：从视频流中读取一张图像放入参数中
//参数：图像容器
//返回值：成功返回真，失败或者读取视频结束返回假
while(v.read(src))
{
//将图像进行翻转
//函数原型：void flip(InputArray src, OutputArray dst, int flipCode);
//参数1：要翻转的图像
//参数2：翻转后的图像容器
//参数3：翻转规则：正数表示按y轴翻转，0表示按x轴翻转，负数表示按xy轴翻转
flip(src, src, 1);
//3、将图像灰度处理
//函数原型：void cvtColor( InputArray src, OutputArray dst, int code, int dstCn = 0 );
//参数1：要转换的图像
//参数2：转换后的图像容器
//参数3：转换规则 CV_BGR2GRAY表示将bgr彩色图转换为gray灰度图
//返回值：无
cvtColor(src, gray, CV_BGR2GRAY);
//4、对图像进行均衡化处理
//函数原型：void equalizeHist( InputArray src, OutputArray dst );
//参数1：要进行均衡化处理的图像，必须是单通道灰度图
//参数2：均衡化处理后的图像容器
//返回值：无
equalizeHist(gray, dst);
//6、使用级联分类器对象，获取人脸矩形区域
//函数原型：void detectMultiScale( InputArray image,CV_OUT std::vector<Rect>& objects）
//参数1：要进行识别的图像
//参数2：对该图像识别后，的矩形框存放的数组容器
c.detectMultiScale(dst, faces);
//7、将上述得到的矩形框，全部都绘制到图像上
for(int i=0; i<faces.size(); i++)
{
//将任意一个矩形框，全部都绘制到图像上
//函数原型：void rectangle(CV_IN_OUT Mat& img, Rect rec,const Scalar& color, int thickness = 1）
//参数1：要被绘制的图像
//参数2：要绘制的矩形框
//参数3：矩形框的颜色
//参数4：矩形框的粗细
//返回值：无
rectangle(src, faces[i], Scalar(0,0,255), 2);
}
//8、像素反差
for(int i=0; i<src.rows; i++) //外层循环控制行数
{
for(int j=0; j<src.cols; j++) //内层循环控制列数
{
//找到任意一个像素:src.at<Vec3b>(i,j)
//找到任意一个像素中的通道中的值src.at<Vec3b>(i,j)[k]
for(int k=0; k<3; k++)
{
src.at<Vec3b>(i,j)[k] = 255 - src.at<Vec3b>(i,j)[k]; //对像素进行反差
}
}
}
//展示彩色图像
imshow("Test1", src);
//展示灰度图像
imshow("Test2", gray);
//展示均衡化处理后的图像
imshow("Test3", dst);
//加延时函数
//函数原型：int waitKey(int delay = 0);
//参数：等待时间
//返回值：在等待期间用户按下的键盘的ascii值 ESC键对应的值为27
if(waitKey(20)==27)
{
break;
}
}
return a.exec();
}6. 介绍
机器学习的作用：根据提供的图片模型通过算法生成数据模型，从而在其它图片中查找相关的目 标。
级联分类器：是用来人脸识别。 在判断之前，我们要先进行学习，生成人脸的模型以便后续识别使用。
人脸识别器：判断是谁的面部。 FaceRecognizer类是opencv提供的人脸识别器基类，LBPHFaceRecognizer是根据LBPH算法实 现的识别器类，其中LBPHFaceRecognizer识别器支持在原有模型基础上继续学习（模型数据可以累 计）。
7.创建LBPHFaceRecognizer识别器对象
所需的头文件：#include 、using namespace cv::face;
创建空的人脸识别器对象：Ptr<FaceRecognizer> recognizer =
LBPHFaceRecognizer::create();
根据已有的模型创建人脸识别器对象，在创建人脸识别器的时候，需要一个已经学习好的模型文件：
Ptr<FaceRecognizer> recognizer = FaceRecognizer::load<LBPHFaceRecognizer>("模型文
件.xml");8.机器学习并更新模型
容器：容器中装了n张人脸Mat对象，先采集脸，装到容器中，存储标签，人的身份证，每一张脸
给一个编号：1 张三脸 2 李四脸 3 王五脸。
功能函数1：void update(InputArrayOfArray src,InputArray labels)//机器学习并更新模型
功能函数2：void train(InputArrayOfArrays src,InputArray labels);//只是学习，不更新
//参数1src：图片模型数组 vector<Mat>
//参数2labels：标签数组，每个模型识别后的标签vector<int>9.保存模型
功能函数：void save(const String& filename);//参数1：模型文件的名字
例如：
recognizer->update(study_faces,study_label);//学习
recognizer->save("face.xml");//将学习的成果，保存到face.xml模型文件中，生成模型：
study_faces.clear();、study_labels.clear();10.预测目标
判断这个人脸到底是谁。
功能函数：
void predict(InputArray src, int &label, double &confidence)
//参数1：预测图形 Mat src
//参数2：:预测后的标签，学习时对应的标签
//参数3：预测出结果的可信度，数值越小可信度越高
例如：
int label = -1;//预测后的标签，学习时对应的标签
double confidence = 0;//可信度
Mat face = frame(faces[0]);//人脸区域
cvtColor(face,face,CV_BGR2GRAY);//更改色彩空间
cv::resize(face,face,Size(90,90));//设置人脸的大小
recognizer->predict(face,label,confidence); //预测，相当于识别人脸，预测出人脸是谁的
面部，label的值就那张脸对应的标签，如果预测不到，label的值是-1。11.设置可信度
功能函数：void setThreshold(double val);
//参数1：预测可信度极值，预测可信度超出极值则预测失败。12.完整项目代码
.pro文件：
#-------------------------------------------------
#
# Project created by QtCreator 2023-09-04T19:10:16
#
#-------------------------------------------------
QT += core gui
greaterThan(QT_MAJOR_VERSION, 4): QT += widgets
TARGET = 01_demo
TEMPLATE = app
SOURCES += main.cpp\
widget.cpp
HEADERS += widget.h
FORMS += widget.ui
INCLUDEPATH += C:/opencv/opencv3.4-qt-install/install/include
INCLUDEPATH += C:/opencv/opencv3.4-qt-install/install/include/opencv
INCLUDEPATH += C:/opencv/opencv3.4-qt-install/install/include/opencv2
LIBS += C:/opencv/opencv3.4-qt-install/install/x86/mingw/lib/libopencv_*.a
头文件：
#ifndef WIDGET_H
#define WIDGET_H
#include <QWidget>
#include <QWidget>
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
#include <opencv2/face.hpp>
#include <vector>
#include <map>
#include <QMessageBox>
#include <QDebug>
#include <QFile>
#include <QTextStream>
#include <QDateTime>
#include <QTimerEvent>
#include <QtSerialPort/QtSerialPort>
#include <QtSerialPort/QSerialPortInfo>
using namespace cv;
using namespace cv::face;
using namespace std;
namespace Ui {
class Widget;
}
class Widget : public QWidget
{
Q_OBJECT
public:
explicit Widget(QWidget *parent = 0);
~Widget();
private slots:
void on_openCameraBtn_clicked();
void on_closeCameraBtn_clicked();
void on_inputFaceBtn_clicked();
private:
Ui::Widget *ui;
/***************************第一模块：关于摄像头的相关组件*****************************/
VideoCapture v; //视频流对象
Mat src; //原图像
Mat rgb; //存放rgb图像，因为qt能识别的图像色彩空间为rgb
Mat gray; //灰度图
Mat dst; //均衡化图像
CascadeClassifier c; //级联分类器
vector<Rect> faces; //存储人脸举行的容器
int cameraId; //摄像头的定时器
void timerEvent(QTimerEvent *event); //定时器事件处理函数
/***************************第二模块：录入人脸的相关组件*****************************/
Ptr<FaceRecognizer> recognizer; //人脸识别器
vector<Mat> study_face; //要录入的人脸容器
vector<int> study_lab; //要录入的人脸的标签
int studyId; //人脸录入的定时器
int flag; //表示是否正在录入人脸
int count; //记录学习的次数
/***************************第三模块：人脸检测的相关组件*****************************/
int checkId; //人脸检测的定时器
};
#endif // WIDGET_H
源文件：
#include "widget.h"
#include "ui_widget.h"
Widget::Widget(QWidget *parent) :
QWidget(parent),
ui(new Ui::Widget)
{
ui->setupUi(this);
//将登录按钮设置成不可用
ui->loginBtn->setEnabled(false);
//启动摄像头
if(!v.open(0))
{
QMessageBox::information(this,"错误","打开摄像头失败");
return;
}
//将级联分类器加载进来
if(!c.load("C:/opencv/resource/haarcascade_frontalface_alt.xml"))
{
QMessageBox::information(this,"失败","人脸识别模型装载失败");
return;
}
//配置人脸识别器
QFile file("C:/opencv/resource/myFace.xml");
//判断文件是否存在，如果存在，则直接下载，如果不存在，则创建一个人脸识别器
if(file.exists())
{
//人脸模型存在，直接下载即可
recognizer = FaceRecognizer::load<LBPHFaceRecognizer>("C:/opencv/resource/myFace.xml");
}
else
{
//人脸模型不存在，则需要创建
recognizer = LBPHFaceRecognizer::create();
}
//启动人脸检测到的定时器
checkId = this->startTimer(3000);
//设置人脸识别的可信度
recognizer->setThreshold(100);
flag = 0; //表明开始时就处于检测
}
Widget::~Widget()
{
delete ui;
}
//打开摄像头按钮对应的槽函数
void Widget::on_openCameraBtn_clicked()
{
//启动定时器
cameraId = this->startTimer(20);
ui->cameraLab->show();
}
//关闭摄像头按钮对应的槽函数
void Widget::on_closeCameraBtn_clicked()
{
//关闭定时器
this->killTimer(cameraId);
ui->cameraLab->hide();
}
//定时器事件处理函数
void Widget::timerEvent(QTimerEvent *event)
{
//判断是哪个定时器到位
if(event->timerId() == cameraId)
{
//1.从摄像头中读取一张图像
v.read(src); //得到原图
//2.将图像翻转
flip(src,src,1);
//3.将src的bgr图像转换为rgb图像
cvtColor(src,rgb,CV_BGR2RGB);
//4.重新设置大小
cv::resize(rgb,rgb,Size(300,300));
//5.灰度处理
cvtColor(rgb,gray,CV_RGB2GRAY);
//6.均衡化处理
equalizeHist(gray,dst);
//7.使用级联分类器获取人脸矩形区域
c.detectMultiScale(dst,faces);
//8.将矩形框绘制到rgb图像上
for(int i=0; i<faces.size(); i++)
{
rectangle(rgb,faces[i],Scalar(255,0,0),2);
}
//9.使用rgb图像，将Mat图，构造出一个qt能识别的图像
QImage img(rgb.data,rgb.cols,rgb.rows,rgb.cols*rgb.channels(),QImage::Format_RGB888);
//功能：通过其他图像构造出一个QImage图像
//参数1：其他图像的数据
//参数2：图像的宽度
//参数3：图像的高度
//参数4：每一行的字节数
//参数5：图像格式，24位图，每一种颜色使用8位表示
//10.将图像展示到lab中
ui->cameraLab->setPixmap(QPixmap::fromImage(img));
}
//判断是否是人脸录入定时器到位
if(event->timerId() == studyId)
{
//判断ui界面是否有矩形框
if(faces.empty())return;
//判断人脸识别器是否存在
if(recognizer.empty())return;
//提示正在录入人脸
qDebug() << "正在录入人脸...";
//获取ui界面中矩形框框起来的人脸区域
Mat face = src(faces[0]);
//将该图像进行重新设置大小
cv::resize(face,face,Size(100,100));
//灰度处理
cvtColor(face,face,CV_BGR2GRAY);
//均衡化处理
equalizeHist(face,face);
//将人脸放入学习容器中
study_face.push_back(face);
study_lab.push_back(1);
count++; //表明完成一次人脸的存放
if(count == 50) //已经收集50张人脸进行学习
{
count = 0; //以便于下一次录入
//更新人脸模型
//函数原型：CV_WRAP virtual void update(InputArrayOfArrays src, InputArray labels);
//参数1：要进行更新的人脸数组
//参数2：要更新的人脸标签数组
//返回值：无
recognizer->update(study_face,study_lab);
//将数据模型保存到本地磁盘中
recognizer->save("C:/opencv/resource/myFace.xml");
//殿后工作
study_face.clear(); //清空人脸数组
study_lab.clear(); //清空标签数组
flag = 0; //表明录入已经结束，可以进行人脸检测了
ui->inputFaceBtn->setEnabled(true); //按钮设置成可用状态
this->killTimer(studyId); //关闭人脸录入的定时器
QMessageBox::information(this,"成功","人脸录入成功");
}
}
//判断是否是人脸检测的定时器到位
if(event->timerId() == checkId)
{
qDebug() << "正在检测...";
//判断是否处于检测
if(flag == 0)
{
QFile file("C:/opencv/resource/myFace.xml");
if(file.exists()) //表明人脸模型存在的基础上进行识别
{
if(faces.empty() || recognizer.empty()) return; //ui界面无矩形框或者没有人脸识别器
//到此表明可以进行检测
Mat face = src(faces[0]);
//重新设置大小，保持跟保存人脸时一致
cv::resize(face,face,Size(100,100));
//灰度处理
cvtColor(face,face,CV_BGR2GRAY);
//均衡化处理
equalizeHist(face,face);
//定义记录检测后返回的结果的变量
int lab = -1; //返回的图像的标签
double conf = 0.0; //返回图像的可信度
//将该人脸进行预测
recognizer->predict(face,lab,conf);
qDebug() << "lab = " << lab << " conf = " << conf;
//对人脸识别后的结果进行判断
if(lab != -1)
{
ui->loginBtn->setEnabled(true);
}
}
}
}
}
//录入人脸按钮对应的槽函数
void Widget::on_inputFaceBtn_clicked()
{
//启动人脸录入的定时器
qDebug() << "开始进行人脸录入...";
studyId = this->startTimer(60);
//将按钮设置成不可用状态
ui->inputFaceBtn->setEnabled(false);
//将flag设置成1，表示正在录入人脸，不要进行人脸检测了
flag = 1;
count = 0; //清空计数器
}
![[uniapp]踩坑日记 unexpected character ＞ 1或‘=’＞1 报错](https://img-blog.csdnimg.cn/3555966dca0d450ab549205d4f2786f6.png)
