本文分为两个部分，一个是OpenCV的搭建，一个是人脸识别程序的

----强烈推荐浏览完全文再进行操作----

OpenCV搭建

• OpenCV的官方文档：Installation in Linux

文档上说，有两种安装方式，第一种是只安装核心模组(Build core modules)，另一种是外加opencv_contrib模组。

在第一开始做该项目时，在编译我的C++程序时发现face.hpp的头文件不存在，于是去目录/usr/local/include寻找，执行ls -al | grep face命令后，确实没有face.hpp，于是经查之后才发现，face.hpp等一系列额外头文件，是存在于opencv_contrib模组中，于是又重新进行了cmake、build、make、make install。

所以，在计算机存储充足、部署时间相对宽裕的情况下，推荐进行全安装。

首先，官方的内容是比较简略的，步骤可以总结为：

• 确保安装且为最新版的cmake,g++,wget,unzip
• 利用wget命令来下载源码文件
• 利用unzip命令来解压文件
• 创建一个build文件夹用于编译源文件
• 进行cmake配置
• 进行cmake的build (或者直接make)
• 进行make install

注意，CentOS7安装的gcc(g++)版本为4.8.5，它不支持利用参数-std=c++17，而且不含有filesystem(experimental/filesystem也没有)库。如果你并不需要一些相关库的话，也许gcc 4.*可以满足需求。

为了取代掉CentOS7中老旧的4.*版本，而更换为8.*，我们需要执行(参考地址：https://stackoverflow.com/questions/55345373/how-to-install-gcc-g-8-on-centos)：

# 卸载gcc(版本4.*，如果你有的话)
yum -y remove gcc# 确保有软件集仓库
yum -y install centos-release-scl# 安装gcc 8和其相关的C++编译器
yum -y install devtoolset-8-gcc devtoolset-8-gcc-c++# 将安装的gcc写入环境变量，可以直接在命令行窗口执行gcc命令
source scl_source enable devtoolset-8

将内容写入用户目录下的.bash_profile文件，下次用当前用户（如root）登录时可以直接不用source而执行gcc或者g++

vi ~/.bash_profile

在最后一行写入：

source scl_source enable devtoolset-8

于是，除开下载gcc，大致的流程如下代码块

# 安装（ubuntu就用sudo apt update && sudo apt install）
sudo yum install -y cmake wget unzip# 下载并解压源代码
wget -O opencv.zip https://github.com/opencv/opencv/archive/4.x.zip
wget -O opencv_contrib.zip https://github.com/opencv/opencv_contrib/archive/4.x.zip
unzip opencv.zip
unzip opencv_contrib.zip# 创建并进入build目录
mkdir -p build && cd build# 对cmake进行参数配置
# cmake的配置有很多，这里比较重要，下面详细说
cmake -DOPENCV_EXTRA_MODULES_PATH=../opencv_contrib-4.x/modules -DOPENCV_GENERATE_PKGCONFIG=YES ../opencv-4.x # 进行build
# 与 make -j4 的功能相同
cmake --build .# 进行安装
sudo make install

官方文档对于安装的定义是这样的：

The installation process only copies files to predefined locations and does minor patching. Installing using this method does not integrate opencv into the system package registry and thus, for example, opencv can not be uninstalled automatically. We do not recommend system-wide installation to regular users due to possible conflicts with system packages.

也就是说，make install的这个安装过程仅将文件复制到预定义的位置并进行少量修补。 使用此方法安装不会将opencv写入系统注册表中，所以说，opencv无法自动卸载（通过一种命令，如remove opencv之类的）。由于可能与系统包发生冲突，我们不建议普通用户（非root）进行系统范围的安装。

对于cmake的参数-D可以在如下官方文档链接中看到：
https://cmake.org/cmake/help/latest/manual/ccmake.1.html?highlight=d#cmdoption-ccmake-D

对于

• -DOPENCV_EXTRA_MODULES_PATH=<path>
  这个是额外模组的路径，也就是opencv_contrib的模组的路径

• -DBUILD_EXAMPLES=ON
  官方这样描述：If you also want to build the samples from the “samples” folder of each module, also include the “-DBUILD_EXAMPLES=ON” option.
  这个是是否创建实例文件，可能与一些文件有关，比如说OpenCV官方文档的一个教程Getting Started with Images，其中有个文件叫“starry_night.jpg”，是不是和这个参数有关，因为在我cmake配置参数的时候我并没有使用这个参数，所以我不太清楚。

• -DOPENCV_GENERATE_PKGCONFIG=ON

  这个是生成pkg-config的命令，默认是不生成的(OFF)，如果生成的话，会存在于？，这里会有一个文件opencv4.pc（因为我第一开始安装时候没有使用这个参数命令）。
  之后就可以使用如下命令：

  # 查看opencv4的版本信息
  pkg-config --modversion opencv4# 查看opencv4的链接的lib库
  pkg-config --libs opencv4
  

  如果我们不使用这个参数命令，那么可以自行创建一个（参考文章）

  cd /usr/local/lib
  sudo mkdir pkgconfig && cd pkgconfig
  sudo vi opencv.pc
  

  opencv.pc的内容为

  prefix=/usr/local
  exec_prefix=${prefix}
  includedir=/usr/local/include/opencv4
  libdir=/usr/local/libName: OpenCV
  Description: Open Source Computer Vision Library
  Version: 4.*
  Libs: -L${exec_prefix}/lib -lopencv_core -lopencv_flann -lopencv_imgproc -lopencv_ml -lopencv_photo -lopencv_dnn -lopencv_features2d -lopencv_imgcodecs -lopencv_videoio -lopencv_calib3d -lopencv_highgui -lopencv_objdetect -lopencv_stitching -lopencv_video -lopencv_intensity_transform -lopencv_phase_unwrapping -lopencv_plot -lopencv_quality -lopencv_surface_matching -lopencv_xphoto -lopencv_dnn_superres -lopencv_fuzzy -lopencv_hfs -lopencv_img_hash -lopencv_line_descriptor -lopencv_saliency -lopencv_text -lopencv_barcode -lopencv_mcc -lopencv_rapid -lopencv_rgbd -lopencv_shape -lopencv_structured_light -lopencv_videostab -lopencv_wechat_qrcode -lopencv_xfeatures2d -lopencv_ximgproc -lopencv_xobjdetect -lopencv_aruco -lopencv_bgsegm -lopencv_bioinspired -lopencv_ccalib -lopencv_dpm -lopencv_face -lopencv_gapi -lopencv_optflow -lopencv_superres -lopencv_tracking -lopencv_stereo
  Libs.private: -ldl -lm -lpthread -lrt
  Cflags: -I${includedir}
  

  将如下内容写入~/.bash_profile最后一行：

  export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig:$PKG_CONFIG_PATH
  

  再执行指令来将其添加入环境变量

  source ~/.bash_profile
  

  此外，对于opencv.pc这个文件，倒数第三行的Libs可能会因为配置的不同而不同
  我的解决方案是用一段shell脚本来查找Libs的-l参数的值，创建一个shell脚本并给他执行权限

  vim findLibs.sh
  chmod 777 ./findLibs.sh
  

  shell脚本findLibs的内容为：

  #!/bin/bashstr=/usr/local/include/opencv4/opencv2/
  # 绝对路径的前缀长度
  prefixSize=${#str}# 对文件名进行截取处理
  find $str -maxdepth 1 -name "*.hpp" | while read line; doprintf "-"printf "lopencv_${line:$prefixSize:-4} "
  doneprintf "\n"
  

  随后，执行shell程序：

  ./findLibs.sh
  

  可以得到需要添加的参数：
  
  直接将上面的内容复制并替换掉Libs中的部分内容即可

  需要注意的是，这种方法得到的链接库有可能不全或者本机上根本没有此库，比如说如果直接将上述内容写入到opencv.pc中，并将其添加入环境变量，我们在最终编译程序代码的时候，有可能出现错误：

  /opt/rh/devtoolset-8/root/usr/libexec/gcc/x86_64-redhat-linux/8/ld: cannot find -lopencv_opencv
  /opt/rh/devtoolset-8/root/usr/libexec/gcc/x86_64-redhat-linux/8/ld: cannot find -lopencv_opencv_modules
  /opt/rh/devtoolset-8/root/usr/libexec/gcc/x86_64-redhat-linux/8/ld: cannot find -lopencv_core_detect
  

  这样的话就需要在opencv.pc这个文本文件中的Libs参数中中找出这些并且将其删除。

  还有一个更好的，用readelf -d <filePrefix>命令来查看需要的.so共享库：

  [root@hello faceE]# ls -al
  total 460
  drwxr-xr-x  4 root root     67 Dec 30 07:56 .
  drwxr-xr-x 11 root root    231 Jan  1 17:39 ..
  -rwxr-xr-x  1 root root 464648 Dec 30 07:56 face
  -rw-r--r--  1 root root   4084 Dec 30 07:54 face.cpp
  drwxr-xr-x  2 root root    287 Dec 30 07:55 testsets
  drwxr-xr-x  8 root root    118 Dec 30 07:55 trainsets[root@hello faceE]# readelf -d faceDynamic section at offset 0x51a78 contains 70 entries:Tag        Type                         Name/Value0x0000000000000001 (NEEDED)             Shared library: [libopencv_superres.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_videostab.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_aruco.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_bgsegm.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_bioinspired.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_ccalib.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_dnn_objdetect.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_dpm.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_face.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_photo.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_fuzzy.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_hfs.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_img_hash.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_line_descriptor.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_optflow.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_reg.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_rgbd.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_saliency.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_stereo.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_structured_light.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_phase_unwrapping.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_surface_matching.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_tracking.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_datasets.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_text.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_dnn.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_plot.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_xfeatures2d.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_shape.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_video.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_ml.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_ximgproc.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_calib3d.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_features2d.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_highgui.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_videoio.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_flann.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_xobjdetect.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_imgcodecs.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_objdetect.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_xphoto.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_imgproc.so.407]0x0000000000000001 (NEEDED)             Shared library: [libopencv_core.so.407]0x0000000000000001 (NEEDED)             Shared library: [libstdc++.so.6]0x0000000000000001 (NEEDED)             Shared library: [libm.so.6]0x0000000000000001 (NEEDED)             Shared library: [libgcc_s.so.1]0x0000000000000001 (NEEDED)             Shared library: [libc.so.6]0x000000000000000c (INIT)               0x4055d80x000000000000000d (FINI)               0x440a440x0000000000000019 (INIT_ARRAY)         0x6510380x000000000000001b (INIT_ARRAYSZ)       24 (bytes)0x000000000000001a (FINI_ARRAY)         0x6510500x000000000000001c (FINI_ARRAYSZ)       8 (bytes)0x000000006ffffef5 (GNU_HASH)           0x4002980x0000000000000005 (STRTAB)             0x401ea00x0000000000000006 (SYMTAB)             0x4006400x000000000000000a (STRSZ)              8197 (bytes)0x000000000000000b (SYMENT)             24 (bytes)0x0000000000000015 (DEBUG)              0x00x0000000000000003 (PLTGOT)             0x6520000x0000000000000002 (PLTRELSZ)           3024 (bytes)0x0000000000000014 (PLTREL)             RELA0x0000000000000017 (JMPREL)             0x404a080x0000000000000007 (RELA)               0x4041800x0000000000000008 (RELASZ)             2184 (bytes)0x0000000000000009 (RELAENT)            24 (bytes)0x000000006ffffffe (VERNEED)            0x4040b00x000000006fffffff (VERNEEDNUM)         30x000000006ffffff0 (VERSYM)             0x403ea60x0000000000000000 (NULL)               0x0
  

在安装环节结束后，官方文档提示我们说，默认的OpenCV安装路径是/usr/local目录

By default OpenCV will be installed to the /usr/local directory, all files will be copied to following locations:

• /usr/local/bin - executable files（可执行文件）

• /usr/local/lib - libraries (.so) （共享库，但是我的存放地为/usr/local/lib64）

  这有可能会导致程序执行错误：
  
  我在网站https://github.com/cggos/ccv/issues/1找到了解决方案：
  我执行这样的命令：

  sudo find / -name "libopencv_stitching.so.407*"
  

  输出的结果：

  /root/cvTest/build/lib/libopencv_stitching.so.407
  /usr/local/lib64/libopencv_stitching.so.407
  

  于是我找到了我的共享链接库存放到了/usr/local/lib64里，
  创建文件/etc/ld.so.conf.d/opencv.conf，并将上面得到的/usr/local/lib64写入opencv.conf文件中，最后执行命令：

  sudo ldconfig -v
  

  即可解决问题。
  我认为，还有一种解决方案，就是把opencv.pc里面的Libs条例中的-L${exec_prefix}/lib改为-L${exec_prefix}/lib64，这可能与操作系统有关，不同的操作系统需要配置的opencv.pc不一定一样，所以还是推荐在cmake设置参数的时候就让程序自动生成opencv4.pc，这样能省去很多麻烦。

  (ps. 如果有朋友想知道.so，.a，.dll之类文件的区别可以去看https://stackoverflow.com/questions/9688200/difference-between-shared-objects-so-static-libraries-a-and-dlls-so)

• /usr/local/cmake/opencv4 - cmake package （cmake包，这个我没有，可能与我cmake的安装目录有关）

• /usr/local/include/opencv4 - headers （c语言头文件）

• /usr/local/share/opencv4 - other files (e.g. trained cascades in XML format) （其他文件，如训练好的模型文件，位于/usr/local/share/opencv4/haarcascades）

cmake 配置完成截图：

cmake build完成截图

make install成功截图

基于C++的人脸辨认(Face Recognition)

该项目是参考于大佬的博客https://anothertechs.com/programming/cpp/opencv/opencv-creating-own-dataset-cpp/

由于我是用非图形化界面的CentOS7来进行人脸辨认实验的，所以没法在虚拟机中展示图片，我们只能以文本结果的形式来判断正误。

我们首先要分析一下程序的功能。我们想要实现一个能够从训练集进行训练，从而在测试集中判断测试图片是谁的脸。

此次数据集，我们采用吴京、孙国帅（昊京）、张维为、谷爱凌的照片作为数据库。

下面是训练集./train的目录结构

train/wujing_0/img1img2img3sunguoshuai_1/img1img2img3zhangweiwei_2/img1img2img3guailing_3/img1img2img3

测试集图片如下：
(以下图片均来自于百度图片，侵删)

• 谷爱凌
  
• 孙国帅
  
• 吴京
  
• 张维为
  

测试集./test图片就是全是图片：

那么我们来分析一下代码：

• 从图片中提取人脸数据

  cv::CascadeClassifier classifier;
  int extractfaces(cv::Mat &img, cv::Mat &face) {cv::Mat img_gray;cv::cvtColor(img, img_gray, cv::COLOR_BGR2GRAY);std::vector<cv::Rect> features;classifier.detectMultiScale(img, features);/* 假设每一张图片只有一张脸 */if (features.size() > 0) {face = img_gray(features[0]);return 1;} elsereturn 0;
  }
  

• 训练识别器
  从图像中提取人脸后，需要训练这些图像。而OpenCV中有一种称为局部二进制模式直方图 (LBPH) 的人脸识别算法（它闻名于从正面和侧面识别人脸的强大能力）。

  cv::Ptr<cv::face::LBPHFaceRecognizer> model =cv::face::LBPHFaceRecognizer::create();void train_dataset(const std::string &in_dir) {std::cout << "开始训练数据集......\n";std::vector<int> faceIds;std::vector<cv::Mat> faceSamples;for (const auto &file : std::filesystem::directory_iterator(in_dir)) {std::string label = file.path().filename();std::cout << "正在处理图像，其位于路径: " << label << "...\n";/*目录格式: 文件名_0, 文件名_1, 文件名_2, ... */int faceID = std::stoi(label.substr(label.rfind("_") + 1, label.size()));for (const auto &f : std::filesystem::directory_iterator(file.path())) {cv::Mat src, face;std::cout << f << "\n";src = cv::imread(f.path());if (extractfaces(src, face)) {faceSamples.emplace_back(face);faceIds.emplace_back(faceID);}}model->train(faceSamples, faceIds);std::cout << "完成!!\n";}std::cout << "已结束训练集训练!! \n" ;
  }
  

• 人脸辨认
  在分类器 (LBPH) 训练了足够多的图像之后，就该测试我们的模型了。

  为此，只需创建一个测试目录并放入要测试的图像。 在测试阶段，我们将再次从测试图像中提取人脸，然后将其提供给我们的模型进行预测。

  void test_dataset(const std::string &in_dir) {std::cout << "测试数据中...... \n";// 以在训练集中的出现方式来对姓名进行排序const std::vector<std::string> names = {"吴京", "孙国帅", "张维为", "谷爱凌"}; for (const auto &file : std::filesystem::directory_iterator(in_dir)) {cv::Mat src = cv::imread(file.path());// std::cout << "reading test file " << file.path() << "\n";cv::Mat face;extractfaces(src, face);int predictedLabel = -1;double confidence = 0.0;// std::cout << "正在预测... \n" ;model->predict(face, predictedLabel, confidence);std::cout << "文件: " << file.path().filename();std::cout << "\n预测姓名为: " << names[predictedLabel]<< "\n置信值: " << confidence << "\n------------------\n";}
  }
  

• 程序入口

  int main(int argc, char **argv) {if (argc < 3) {std::cout << "!!! 错误 !!!\n";std::cout << "你应该以如下方式来执行程序\n";std::cout << "<Program> <DatasetFolder> <Test Folder>\n";return -1;}std::cout << "正在读取人脸识别模型文件 ......\n";assert(classifier.load("/usr/local/share/opencv4/haarcascades/haarcascade_frontalface_alt.xml"));std::cout << "完成!!\n";// 训练集文件夹argv[1]train_dataset(argv[1]);// 测试集文件夹argv[2]test_dataset(argv[2]);return 0;
  }
  

所有的代码被整合到face.cpp中：

// 导入库
#include "opencv2/face.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include <cassert>
#include <filesystem>
#include <iostream>
#include <vector>cv::CascadeClassifier classifier;
cv::Ptr<cv::face::LBPHFaceRecognizer> model =cv::face::LBPHFaceRecognizer::create();// 从图像中提取人脸
int extractfaces(cv::Mat &img, cv::Mat &face) {cv::Mat img_gray;cv::cvtColor(img, img_gray, cv::COLOR_BGR2GRAY);std::vector<cv::Rect> features;classifier.detectMultiScale(img, features);// std::cout << "提取人脸中......\n";/* 假设每一张图片只有一张脸 */if (features.size() > 0) {face = img_gray(features[0]);return 1;} elsereturn 0;
}// 训练集
void train_dataset(const std::string &in_dir) {std::cout << "开始训练数据集......\n";std::vector<int> faceIds;std::vector<cv::Mat> faceSamples;for (const auto &file : std::filesystem::directory_iterator(in_dir)) {std::string label = file.path().filename();std::cout << "正在处理图像，其位于路径: " << label << "...\n";/*目录格式: 文件名_0, 文件名_1, 文件名_2, ... */int faceID = std::stoi(label.substr(label.rfind("_") + 1, label.size()));for (const auto &f : std::filesystem::directory_iterator(file.path())) {cv::Mat src, face;std::cout << f << "\n";src = cv::imread(f.path());if (extractfaces(src, face)) {faceSamples.emplace_back(face);faceIds.emplace_back(faceID);}}model->train(faceSamples, faceIds);std::cout << "完成!!\n";}std::cout << "已结束训练集训练!! \n" ;
}void test_dataset(const std::string &in_dir) {std::cout << "测试数据中...... \n";// 以在训练集中的出现方式来对姓名进行排序const std::vector<std::string> names = {"吴京", "孙国帅", "张维为", "谷爱凌"}; for (const auto &file : std::filesystem::directory_iterator(in_dir)) {cv::Mat src = cv::imread(file.path());// std::cout << "reading test file " << file.path() << "\n";cv::Mat face;extractfaces(src, face);int predictedLabel = -1;double confidence = 0.0;// std::cout << "正在预测... \n" ;model->predict(face, predictedLabel, confidence);std::cout << "文件: " << file.path().filename();std::cout << "\n预测姓名为: " << names[predictedLabel]<< "\n置信值: " << confidence << "\n------------------\n";}
}int main(int argc, char **argv) {if (argc < 3) {std::cout << "!!! 错误 !!!\n";std::cout << "你应该以如下方式来执行程序\n";std::cout << "<Program> <DatasetFolder> <Test Folder>\n";return -1;}std::cout << "正在读取人脸识别模型文件 ......\n";assert(classifier.load("/usr/local/share/opencv4/haarcascades/haarcascade_frontalface_alt.xml"));std::cout << "完成!!\n";// 训练集文件夹argv[1]train_dataset(argv[1]);// 测试集文件夹argv[2]test_dataset(argv[2]);return 0;
}

因为程序引用了filesystem库，所以需要使用-std=c++17这个c++17标准以及参数-lstdc++fs，不然会出现种种错误（可以自行尝试）

g++ -std=c++17 face.cpp -o face `pkg-config --cflags --libs opencv` -lstdc++fs

在编译成功后，我们当前目录下就有了可执行文件face，所以接下来我们执行命令

./face train test

在这里，对应到c++代码的主入口里，argv[0]是./face，argv[1]是train，argv[2]是test

即可执行该程序，并获得结果：

[root@hello faceCSDN]# g++ -std=c++17 face.cpp -o face `pkg-config --cflags --libs opencv` -lstdc++fs
[root@hello faceCSDN]# ./face train test
正在读取人脸识别模型文件 ......
完成!!
开始训练数据集......
正在处理图像，其位于路径: guailing_3...
"train/guailing_3/1265683b1cd8a7bb886837d8a5ea520f.jpeg"
"train/guailing_3/24d57c1ff47570fe87c211b533cab14c.jpeg"
"train/guailing_3/40d5f1426f7c3f2221cc6c05f7f61adf.jpg"
"train/guailing_3/dbafef5bf89dc44c1b67042f7097330f.jpeg"
"train/guailing_3/e3242bea4627a51d5344c4e1e100f2e4.jpeg"
完成!!
正在处理图像，其位于路径: sunguoshuai_1...
"train/sunguoshuai_1/09fa572ec760999b2354831a4837ce3a.jpeg"
"train/sunguoshuai_1/312a15aa42e1504c4516e0042981852d.jpeg"
"train/sunguoshuai_1/a583e59451b9d1f3c0f7a456b8529f5d.jpeg"
"train/sunguoshuai_1/defa15f270753adc013f285490e12109.jpeg"
"train/sunguoshuai_1/sgs1.png"
完成!!
正在处理图像，其位于路径: wujing_0...
"train/wujing_0/a52436085f02ff194a008a328e00c6e1.jpeg"
"train/wujing_0/aa8de99c111287d62a8bec921468e8a2.jpg"
"train/wujing_0/img.jpeg"
"train/wujing_0/img1.jpg"
"train/wujing_0/img2.jpg"
"train/wujing_0/img3.jpg"
完成!!
正在处理图像，其位于路径: zhangweiwei_2...
"train/zhangweiwei_2/294fcd9ea7ba6bf028187adb20734424.jpeg"
"train/zhangweiwei_2/54540598ea85afbf7c780e59b6a6d975.jpeg"
"train/zhangweiwei_2/a4246016cc0fc752708c464d38bd3aa9.jpeg"
"train/zhangweiwei_2/f814bea47bf86e6f9c01429f363620c0.jpeg"
完成!!
已结束训练集训练!!
测试数据中......
文件: "guailing0.jpeg"
预测姓名为: 谷爱凌
置信值: 44.1809
------------------
文件: "sunguoshuai0.png"
预测姓名为: 吴京
置信值: 118.333
------------------
文件: "sunguoshuai1.jpg"
预测姓名为: 吴京
置信值: 86.6067
------------------
文件: "wujing0.jpeg"
预测姓名为: 吴京
置信值: 48.4382
------------------
文件: "wujing1.jpeg"
预测姓名为: 孙国帅
置信值: 71.9883
------------------
文件: "zhangweiwei0.jpeg"
预测姓名为: 张维为
置信值: 71.1699
------------------

从结果上看，孙国帅和吴京确实不太容易区分…

在CentOS7下的OpenCV环境搭建与基于C++的人脸辨认(Face Recognition)参考指南相关推荐

1. centos7下视频解码播放环境搭建（ffmpeg等库编译）

   1.软件环境 操作系统环境:centos7 ffmpeg源码: github上的master版本(当前官网的3.4.1版本有bug,在主干中修复了'x264_bit_depth' undeclared ...

2. ubuntu 系统下的Caffe环境搭建

   原文地址:http://blog.csdn.net/hjimce/article/details/48781693 作者:hjimce 对于caffe的系统一般使用linux系统,当然也有window ...

3. Linux下服务器基本环境搭建步骤详解(三种软件安装方式)

   Linux下服务器基本环境搭建 小伙伴们注意看:下面使用三种方式分别安装JDK.Tomcat.Docker进行演示 操作系统基于CentOs7. 文章目录 Linux下服务器基本环境搭建 前言 一.L ...

4. 基于 C++ 和 Python 的 OpenCV 环境搭建

   目录 Ⅰ.VS 中基于 C++ 的 OpenCV 环境搭建(编译源码 cmake + opencv 4.2.0 + opencv_contrib 4.2.0) 1-1. 安装 cmake 1-2. 使 ...

5. Centos7下的LibreOffice的搭建及自动化脚本部署

   Centos7下的LibreOffice的搭建及自动化脚本部署 LibreOffice 简介 LibreOffice 是一个强大的办公套件 – 它清晰的界面和强大的工具让您释放您的创造力并增长您的生产 ...

6. 使用飞凌嵌入式IMX6UL-C1板子——qt+opencv环境搭建

   使用飞凌嵌入式IMX6UL-C1板子--qt+opencv环境搭建 准备工作: Ubuntu18.04虚拟机环境 飞凌官方提供的qt-tslib库,gcc交叉编译器,opencv源码库,qt源码,具体 ...

7. 生产环境下的LAMP环境搭建

   生产环境下的LAMP环境搭建 V20 学习猿地  ww.lmonkey.com 一.LAMP环境介绍 Web服务器的主要功能是提供网上信息浏览服务.所有网页的集合被称为网站,网站也只有发布到网上才能被 ...

8. Ubuntu16.04下arm-linux-gcc交叉编译环境搭建

   Ubuntu下arm-Linux-gcc交叉编译环境搭建 参考:http://blog.csdn.net/hebbely/article/details/53992805 1.网上下载 arm-lin ...

9. AS下配置OpenCV环境

   AS下配置OpenCV环境 1.下载OpenCV4Android安装包,本实例中使用OpenCV3.1.解压后问价目录如下: apk:OpenCV_3.1.0_Manager_3.10安装包,Andr ...

最新文章

1. 网络命令大全（13）--ftp
2. python自定义函数和类并调用
3. pandas 指定某一列的数据类型
4. 设计模式(一)----单例模式
5. quickreport 加急！！！
6. 冯德勇linux百度网盘,RHCE 学习笔记（14）- 文件系统（2） - 搜索文件
7. 车载wince系统刷界面ui_UI入门秘笈，你想知道吗？
8. Confluence 6 目录中的数据库
9. 解决Ubuntu 16.04 SSH无法远程登录问题(使用root登录)
10. apply和call的区别
11. 「开源资讯」浏览器中可以深度学习的框架Paddle.js 1.0 发布
12. solidworks导出xml文件 （matlab打开）
13. Ansible hosts文件写法
14. 读写Excel工具类ExcelUtil
15. 代码: 0x80131500，Windows应用商店出现错误
16. jQuery实现的浮动广告
17. 计算机网络——物理层和信道复用（频分、时分、码分）技术
18. 爱奇艺攻防演练平台的探索实践（文末有直播福利）
19. 猫狗大战使用CNN分类
20. html怎样使动画循环,html – 如何在css动画循环之间添加延迟

热门文章

1. 业界最全，阿里云混合云灾备服务上线！
2. javaee jsp实现留言板(eclipse+mysql),五个界面，留言、登陆、注册等
3. 事业单位计算机类专技岗职称,事业单位改革，专技岗和管理岗哪个好？
4. NKOJ3685 8数
5. Win10微信 PC 端打字卡顿解决方法
6. MySQL ｜ 全内容
7. python返回绝对值的函数_Python中用于返回绝对值的abs()方法
8. K210学习笔记(三) K210与STM32进行串口通信，K210发STM收
9. 【英语0基础·读音】【A鹿笔记】Day 1 ee,ea,ache组合
10. 给FLASH加链接的方法