dlib人脸比对程序设计(C++)

VS2017 MFC工程实现人脸检测与处理

VS2017工程代码链接如下:


// face_mfcDlg.cpp: 实现文件
//

#include "stdafx.h"
#include "face_mfc.h"
#include "face_mfcDlg.h"
#include "afxdialogex.h"
#include <cmath>

#ifdef _DEBUG
#define new DEBUG_NEW
#endif


// 用于应用程序“关于”菜单项的 CAboutDlg 对话框

class CAboutDlg : public CDialogEx
{
public:
	CAboutDlg();

// 对话框数据
#ifdef AFX_DESIGN_TIME
	enum { IDD = IDD_ABOUTBOX };
#endif

	protected:
	virtual void DoDataExchange(CDataExchange* pDX);    // DDX/DDV 支持

// 实现
protected:
	DECLARE_MESSAGE_MAP()
};

CAboutDlg::CAboutDlg() : CDialogEx(IDD_ABOUTBOX)
{
}

void CAboutDlg::DoDataExchange(CDataExchange* pDX)
{
	CDialogEx::DoDataExchange(pDX);
}

BEGIN_MESSAGE_MAP(CAboutDlg, CDialogEx)
END_MESSAGE_MAP()


// CfacemfcDlg 对话框



CfacemfcDlg::CfacemfcDlg(CWnd* pParent /*=nullptr*/)
	: CDialogEx(IDD_FACE_MFC_DIALOG, pParent)
{
	m_hIcon = AfxGetApp()->LoadIcon(IDR_MAINFRAME);
}

void CfacemfcDlg::DoDataExchange(CDataExchange* pDX)
{
	CDialogEx::DoDataExchange(pDX);
	DDX_Control(pDX, IDC_STATIC_RESULT, m_regResult);
}

BEGIN_MESSAGE_MAP(CfacemfcDlg, CDialogEx)
	ON_WM_SYSCOMMAND()
	ON_WM_PAINT()
	ON_WM_QUERYDRAGICON()
	ON_BN_CLICKED(IDC_open, &CfacemfcDlg::OnBnClickedopen)
	ON_BN_CLICKED(IDC_colse, &CfacemfcDlg::OnBnClickedcolse)
	ON_BN_CLICKED(IDC_BTN_GETIMAGE, &CfacemfcDlg::OnBnClickedBtnGetimage)
	ON_BN_CLICKED(IDC_BTN_DETECT, &CfacemfcDlg::OnBnClickedBtnDetect)
	ON_BN_CLICKED(IDC_BTN_FACEALG, &CfacemfcDlg::OnBnClickedBtnFacealg)
	ON_BN_CLICKED(IDC_BTN_FACEALIGN, &CfacemfcDlg::OnBnClickedBtnFacealign)
	ON_BN_CLICKED(IDC_BTN_FACETRACE, &CfacemfcDlg::OnBnClickedBtnFacetrace)
	ON_BN_CLICKED(IDC_BTN_FACECMP, &CfacemfcDlg::OnBnClickedBtnFacecmp)
END_MESSAGE_MAP()


// CfacemfcDlg 消息处理程序

BOOL CfacemfcDlg::OnInitDialog()
{
	CDialogEx::OnInitDialog();

	// 将“关于...”菜单项添加到系统菜单中。

	// IDM_ABOUTBOX 必须在系统命令范围内。
	ASSERT((IDM_ABOUTBOX & 0xFFF0) == IDM_ABOUTBOX);
	ASSERT(IDM_ABOUTBOX < 0xF000);

	CMenu* pSysMenu = GetSystemMenu(FALSE);
	if (pSysMenu != nullptr)
	{
		BOOL bNameValid;
		CString strAboutMenu;
		bNameValid = strAboutMenu.LoadString(IDS_ABOUTBOX);
		ASSERT(bNameValid);
		if (!strAboutMenu.IsEmpty())
		{
			pSysMenu->AppendMenu(MF_SEPARATOR);
			pSysMenu->AppendMenu(MF_STRING, IDM_ABOUTBOX, strAboutMenu);
		}
	}

	// 设置此对话框的图标。  当应用程序主窗口不是对话框时,框架将自动
	//  执行此操作
	SetIcon(m_hIcon, TRUE);			// 设置大图标
	SetIcon(m_hIcon, FALSE);		// 设置小图标

	// TODO: 在此添加额外的初始化代码
	cv::namedWindow("view", cv::WINDOW_AUTOSIZE);
	//HWND,h 是类型描述,表示句柄(handle), Wnd 是变量对象描述,表示窗口,所以hWnd 表示窗口句柄。hWnd 属性,返回窗体或控件的句柄
	HWND hWnd = (HWND)cvGetWindowHandle("view");
	HWND hParent = ::GetParent(hWnd);//获得一个指定子窗口的父窗口句柄
	::SetParent(hWnd, GetDlgItem(IDC_PIC)->m_hWnd);//GetDlgItem返回窗口中指定参数ID的子元素的句柄,可以通过返回的句柄对窗口内的子元素进行操作
	//m_hWnd 指明与这个cwnd对象相关联的hwnd句柄
	//HWND SetParent(//测试的窗口句柄
//               HWND hWndChild,      // handle to window
//               //新父窗口句柄
//               HWND hWndNewParent   // new parent window
//               );
	::ShowWindow(hParent, SW_HIDE);//SW_HIDE	隐藏窗口并激活其他窗口

	return TRUE;  // 除非将焦点设置到控件,否则返回 TRUE
}

void CfacemfcDlg::OnSysCommand(UINT nID, LPARAM lParam)
{
	if ((nID & 0xFFF0) == IDM_
### DLIB人脸比对的方法与示例代码 DLIB 是一个功能强大的 C++ 和 Python 库,支持多种计算机视觉任务,其中包括脸检测、关键点定位以及脸特征提取等功能。以下是关于如何使用 DLIB 实现人脸比对的具体说明。 #### 1. 安装依赖库 为了运行下面的代码,需要安装 OpenCV 和 DLIB 库,并下载预训练模型文件 `shape_predictor_68_face_landmarks.dat` 和 `dlib_face_recognition_resnet_model_v1.dat`[^1]。 可以通过以下命令安装所需库: ```bash pip install opencv-python dlib ``` #### 2. 示例代码:基于 DLIB人脸比对 以下是一个完整的示例代码,演示如何加载两张图片并比较它们是否属于同一张脸: ```python import cv2 import numpy as np import dlib # 加载脸识别所需的模型 detector = dlib.get_frontal_face_detector() predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat") face_recognizer = dlib.face_recognition_model_v1("dlib_face_recognition_resnet_model_v1.dat") def load_image(path): """加载图像""" return cv2.cvtColor(cv2.imread(path), cv2.COLOR_BGR2RGB) def extract_features(image): """从图像中提取脸特征向量""" faces = detector(image, 1) # 检测脸 if not faces: raise ValueError("未检测到脸!") shape = predictor(image, faces[0]) # 提取关键点 face_descriptor = face_recognizer.compute_face_descriptor(image, shape) # 计算特征向量 return np.array(face_descriptor) def compare_faces(descriptor1, descriptor2, threshold=0.6): """比较两个脸特征向量的距离""" distance = np.linalg.norm(descriptor1 - descriptor2) return distance < threshold, distance if __name__ == "__main__": # 加载两张测试图片 img1 = load_image("person1.jpg") img2 = load_image("person2.jpg") try: desc1 = extract_features(img1) # 图片1的脸特征 desc2 = extract_features(img2) # 图片2的脸特征 is_same_person, dist = compare_faces(desc1, desc2) print(f"两幅图像是{'相同' if is_same_person else '不同'}物.") print(f"欧几里得距离: {dist:.4f}") except ValueError as e: print(e) ``` 此代码实现了以下几个主要步骤: - **加载模型**:初始化 DLIB 中的脸检测器、关键点预测器和特征提取器。 - **加载图像**:读取两张待对比的图片。 - **提取特征**:利用 `compute_face_descriptor()` 方法生成每张脸的 128 维特征向量[^1]。 - **计算距离**:通过 Euclidean 距离衡量两个特征向量的相似程度。如果距离小于设定阈值(通常为 0.6),则认为两者是同一个。 #### 3. 关键概念解析 - **脸检测**:由 `dlib.get_frontal_face_detector()` 执行,返回的是矩形框列表,表示检测到的脸位置[^2]。 - **关键点定位**:借助 `dlib.shape_predictor()` 函数,在检测到的脸上标注出 68 个固定的关键点[^2]。 - **特征提取**:采用 ResNet 模型 (`dlib.face_recognition_model_v1`) 来生成高维特征描述符,便于后续匹配操作。 #### 4. 参数调整建议 - 如果希望提高小尺寸脸的检出率,可增加图像金字塔层数参数(即传递给 `detector` 的第二个参数)[^3]。 - 更改阈值 `threshold` 可影响误报率与漏报率间的平衡,默认推荐值为 0.6。 --- ###
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值