小编点评

**代码解析** 该代码展示了一种使用Java开发的人脸识别应用程序的步骤，包括： **1. 初始化** * 创建一个名为`TrainFromDirectory`的类。 * 使用`List`存储所有要训练的图片路径。 * 创建一个`MatVector`用于存储每个照片的索引和类别。 **2. 读取图片** * 使用`opencv_imgcodecs`读取指定路径的灰度图像并将其转换为`Mat`对象。 * 对图像进行大小调整。 **3. 获取文件路径** * 遍历指定目录，查找所有文件路径。 * 将非目录的文件过滤出来。 * 将所有图像路径添加到`paths`列表中。 **4. 训练模型** * 实例化FisherFaceRecognizer类进行模型训练。 * 将图像路径和类别路径添加到训练集合中。 * 训练模型。 **5. 存储模型** * 将训练好的模型保存到指定路径中。 **6. 测试模型** * 使用`faceRecognizer.load`加载模型。 * 将模型用于检测摄像头中的人脸。 * 显示识别结果。 **一些要注意的地方** * `TrainFromDirectory`类的`imageIndexMatMap`和`lables`用于存储训练图像的索引和类别。 * `read`方法可以根据需要进行图像大小调整。 * 训练完成后，模型会被保存在`faceRecognizer.xml`文件中。 * 该代码展示了一种使用Java开发的人脸识别应用程序的常见流程，并提供了代码示例。

正文

欢迎访问我的GitHub

这里分类和汇总了欣宸的全部原创(含配套源码)：https://github.com/zq2599/blog_demos

本篇概览

• 本文是《JavaCV人脸识别三部曲》的第二篇，前文《视频中的人脸保存为图片》咱们借助摄像头为两位群众演员生成大量人脸照片，如下图，群众演员A的照片保存在E:\temp\202112\18\001\man，B的照片保存在E:\temp\202112\18\001\woman：
  
• 照片准备好，并且每张照片的身份都已确定，本篇要做的就是用上述照片生成模型文件，今后新的人脸就可以中这个模型来检查了
• 关于训练，可以用下图来表示，一共六张照片两个类别，训练完成后得到模型文件faceRecognizer.xml：
  

编码

• 训练的代码很简单，在一个java文件中搞定吧，simple-grab-push是整个《JavaCV的摄像头实战》系列一直再用的工程，现在该工程中新增文件TrainFromDirectory.java，完整代码如下，有几处要注意的地方稍后提到：

package com.bolingcavalry.grabpush.extend;

import com.bolingcavalry.grabpush.Constants;
import org.bytedeco.opencv.global.opencv_imgcodecs;
import org.bytedeco.opencv.opencv_core.Mat;
import org.bytedeco.opencv.opencv_core.MatVector;
import org.bytedeco.opencv.opencv_core.Size;
import org.bytedeco.opencv.opencv_face.FaceRecognizer;
import org.bytedeco.opencv.opencv_face.FisherFaceRecognizer;

import java.io.File;
import java.io.IOException;
import java.nio.IntBuffer;
import java.util.LinkedList;
import java.util.List;

import static org.bytedeco.opencv.global.opencv_core.CV_32SC1;
import static org.bytedeco.opencv.global.opencv_imgcodecs.IMREAD_GRAYSCALE;
import static org.bytedeco.opencv.global.opencv_imgproc.resize;

/**
 * @author willzhao
 * @version 1.0
 * @description 训练
 * @date 2021/12/12 18:26
 */
public class TrainFromDirectory {

    /**
     * 从指定目录下
     * @param dirs
     * @param outputPath
     * @throws IOException
     */
    private void train(String[] dirs, String outputPath) throws IOException {
        int totalImageNums = 0;

        // 统计每个路径下的照片数，加在一起就是照片总数
        for(String dir : dirs) {
            List<String> files = getAllFilePath(dir);
            totalImageNums += files.size();
        }

        System.out.println("total : " + totalImageNums);

        // 这里用来保存每一张照片的序号，和照片的Mat对象
        MatVector imageIndexMatMap = new MatVector(totalImageNums);

        Mat lables = new Mat(totalImageNums, 1, CV_32SC1);

        // 这里用来保存每一张照片的序号，和照片的类别
        IntBuffer lablesBuf = lables.createBuffer();

        // 类别序号，从1开始，dirs中的每个目录就是一个类别
        int kindIndex = 1;

        // 照片序号，从0开始
        int imageIndex = 0;

        // 每个目录下的照片都遍历
        for(String dir : dirs) {
            // 得到当前目录下所有照片的绝对路径
            List<String> files = getAllFilePath(dir);

            // 处理一个目录下的每张照片，它们的序号不同，类别相同
            for(String file : files) {
                // imageIndexMatMap放的是照片的序号和Mat对象
                imageIndexMatMap.put(imageIndex, read(file));
                // bablesBuf放的是照片序号和类别
                lablesBuf.put(imageIndex, kindIndex);
                // 照片序号加一
                imageIndex++;
            }

            // 每当遍历完一个目录，才会将类别加一
            kindIndex++;
        }

        // 实例化人脸识别类
        FaceRecognizer faceRecognizer = FisherFaceRecognizer.create();
        // 训练，入参就是图片集合和分类集合
        faceRecognizer.train(imageIndexMatMap, lables);
        // 训练完成后，模型保存在指定位置
        faceRecognizer.save(outputPath);
        //释放资源
        faceRecognizer.close();
    }

    /**
     * 读取指定图片的灰度图，调整为指定大小
     * @param path
     * @return
     */
    private static Mat read(String path) {
        Mat faceMat = opencv_imgcodecs.imread(path,IMREAD_GRAYSCALE);
        resize(faceMat, faceMat, new Size(Constants.RESIZE_WIDTH, Constants.RESIZE_HEIGHT));
        return faceMat;
    }

    /**
     * 把指定路径下所有文件的绝对路径放入list集合中返回
     * @param path
     * @return
     */
    public static List<String> getAllFilePath(String path) {
        List<String> paths = new LinkedList<>();

        File file = new File(path);

        if (file.exists()) {
            // 列出该目录下的所有文件
            File[] files = file.listFiles();

            for (File f : files) {
                if (!f.isDirectory()) {
                    // 把每个文件的绝对路径都放在list中
                    paths.add(f.getAbsolutePath());
                }
            }
        }

        return paths;
    }

    public static void main(String[] args) throws IOException {

        String base = "E:\\temp\\202112\\18\\001\\";

        // 存储图片的两个目录
        // man目录下保存了群众演员A的所有人脸照片，
        // woman目录下保存了群众演员B的所有人脸照片
        String[] dirs = {base + "man", base + "woman"};

        // 开始训练，并指定模型输出位置
        new TrainFromDirectory().train(dirs, base + "faceRecognizer.xml");
    }
}

• 上述代码有以下几处要注意：

1. 静态方法read用于将图片转为Mat
2. 静态方法getAllFilePath可以遍历指定目录下的所有文件，把它们的绝对路径返回
3. train一共获取了man和woman两个目录下的照片，man目录下的照片的类别是1，women目录下的照片类别是2
4. 识别类是FisherFaceRecognizer，现在的训练和下一篇的识别都用这个类

执行

• 运行main方法，待执行完成后，如下图，可见目录E:\temp\202112\18\001下已经生成模型文件faceRecognizer.xml：
  
• 至此，本篇任务已完成，下一篇进入终极实战，用本篇训练的模型识别摄像头中的人脸，并把识别结果展示在预览页面上；

源码下载

• 《JavaCV的摄像头实战》的完整源码可在GitHub下载到，地址和链接信息如下表所示(https://github.com/zq2599/blog_demos)：

名称	链接	备注
项目主页	https://github.com/zq2599/blog_demos	该项目在GitHub上的主页
git仓库地址(https)	https://github.com/zq2599/blog_demos.git	该项目源码的仓库地址，https协议
git仓库地址(ssh)	git@github.com:zq2599/blog_demos.git	该项目源码的仓库地址，ssh协议

• 这个git项目中有多个文件夹，本篇的源码在javacv-tutorials文件夹下，如下图红框所示：
  
• javacv-tutorials里面有多个子工程，《JavaCV的摄像头实战》系列的代码在simple-grab-push工程下：
  

欢迎关注博客园：程序员欣宸

学习路上，你不孤单，欣宸原创一路相伴...