OpenCV+Ubuntu+QT实现人脸检测/识别（考勤管理）-Toy模板网

这篇具有很好参考价值的文章主要介绍了OpenCV+Ubuntu+QT实现人脸检测/识别（考勤管理）。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

1. 开发环境

		Ubuntu18 + OpenCV3 + qt5

2.环境配置

1. 虚拟机安装Ubuntu

2. 安装qt5

OpenCV+Ubuntu+QT实现人脸检测/识别（考勤管理）,opencv,ubuntu,qt,物联网下载完成后在下载目录打开终端，赋予可执行权限，再执行即可安装qt
sudo chmod +x qt-opensource-linux-x64-5.12.8.run

3. 安装OpenCV库

可参考文章

4. 在QT中引用OpenCV库

若按照上述方法安装好opencv，创建测试项目，在pro文件中加入：

INCLUDEPATH += /usr/local/include //opencv头文件安装路径
LIBS += /usr/local/lib/libopencv_* //opencv库文件路径

测试：

#include <QWidget>
#include <opencv2/core.hpp>
#include <opencv2/opencv.hpp>
#include <iostream>
#include <QMessageBox>
#include <QDebug>

using namespace std;
using namespace cv;

//widget.cpp的析构函数
{
VideoCapture cap(0);
    if(!cap.isOpened())
        QMessageBox::warning(this,"error","open camera faild!");
    cout << "open camera success" << endl;
    Mat frame;
    cap.set(cv::CAP_PROP_FRAME_WIDTH, 640);
    cap.set(cv::CAP_PROP_FRAME_HEIGHT, 480);
    cap.set(cv::CAP_PROP_FPS, 30);


    for(;;){
        cap >> frame;
        if (frame.empty()) {
            qDebug() << "错误：无法捕获帧";
            break;  // 退出循环或根据需要处理错误
        }
        imshow("video", frame);
        waitKey(27);
    }

}

（若出现警告 “VIDEOIO(V4L2:/dev/video0): select() timeout”，在虚拟机->设置->USB控制器，更改一下兼容性，更改为3.1即可解决问题）

启动程序若正常出现摄像头画面则表明安装配置成功。

ps：一般配置完成后你会发现摄像头是反镜像的（实际使用一般是镜像-前置摄像头）这是可以用flip函数来调整画面流frame：

flip(image, flippedImage, 1): 水平翻转
flip(image, flippedImage, 0): 垂直翻转
flip(image, flippedImage, -1): 水平和垂直同时翻转

flip 函数有三个参数，分别是：

**image：**输入图像，即需要进行翻转的原始图像。

**flippedImage：**输出图像，即翻转后的图像将存储在这里。

这里使用 flip(frame, frame, 1);即可改变原图形

3. 人脸检测

1.图像处理

将摄像头画面由rgb（彩色）转换为gray（灰度图）

    #include <opencv2/imgproc.hpp>		//所需头文件
    #include <opencv2/objdetect.hpp>
    cvtColor(frame,Grayimage,CV_BGR2GRAY);//将彩色图转换从灰度图 其中frame是初始Mat容器所存放的画面流，
                                          //Grayimage是转换后的图像 CV_BGR2GRAY是参数

图形均衡化（调整亮度，对比度）

equalizeHist(InputArray src,OutputArray dst); //函数参数说明
equalizeHist(Grayimage,Grayimage);      //进行均衡化处理，将处理后的图形进行覆盖（节约内存）

2.人脸轮廓检测

加载级联分类器（CascadeClassifier）（关于级联分类器相关可参考）

Ubuntu：/usr/share/opencv/haarcascades$ ls
haarcascade_eye_tree_eyeglasses.xml
haarcascade_eye.xml
haarcascade_frontalcatface_extended.xml
haarcascade_frontalcatface.xml
haarcascade_frontalface_alt2.xml
haarcascade_frontalface_alt_tree.xml
haarcascade_frontalface_alt.xml
haarcascade_frontalface_default.xml
haarcascade_fullbody.xml
haarcascade_lefteye_2splits.xml
haarcascade_licence_plate_rus_16stages.xml
haarcascade_lowerbody.xml
haarcascade_profileface.xml
haarcascade_righteye_2splits.xml
haarcascade_russian_plate_number.xml
haarcascade_smile.xml
haarcascade_upperbody.xml

//这里我们使用OpenCV训练好的级联分类器进行人脸轮廓检测，可在构造函数中声明即可
    classifier.load("/usr/share/opencv/haarcascades/haarcascade_frontalface_alt.xml");

    if (classifier.empty()) {
        qDebug() << "错误：无法加载级联分类器文件";
    }

/* 
detectMultiScale(InputArray image,vector<Rect>& objects)	检测函数说明
rectangle (InputOutputArray img,Point pt1,Point pt2,constScalar& color)	将检测到的人脸矩形框绘制在图形上的函数说明
*/

//具体使用：
	vector<Rect> Allface;           //矩形存放容器
//这里我们使用OpenCV库中已经训练好的级联分类器进行人脸轮廓的识别
    classifier.detectMultiScale(Grayimage,Allface);      //检测人脸矩形存放到vector容器中
     if(Allface.size()){ //是否存在人脸
        rectangle(Grayimage,Allface[0],Scalar(255,0,0));   //Allce中存放多个矩形（多张人脸，按照数组形式排列 Scalar改变颜色（rgb）
    }

上述仅为关键代码

将检测的人脸矩形框保存

//先创建一个Mat容器用于存放截取到的矩形人脸框
 Mat Matface;   //存放检测的人脸矩形框
 vector<uchar> JpgFace;   //存放jpg格式的图形

 if(Allface.size()){ //是否存在人脸
        rectangle(Grayimage,Allface[0],Scalar(255,0,0));    //Allce中存放多个矩形（多张人脸，按照数组形式排列 Scalar改变颜色（rgb）
        Matface = Grayimage(Allface[0]);                    //将截取的人脸存放到Matface中
        imencode(".jpg",Matface,JpgFace);                   //将Matface中的图片转化成jpg格式
    }
    
//imencode函数说明：
imencode(const String &ext,InputArray img,vector<uchar> &buf)

3.百度智能云平台注册

注册百度智能云平台
进入官网>产品>人脸识别>人脸搜索官网链接

立即创建即可

OpenCV+Ubuntu+QT实现人脸检测/识别（考勤管理）,opencv,ubuntu,qt,物联网

即可在应用列表查看到自己的接口信息

创建人脸库

选择查看人脸库即可自定义添加组和人员，上传清晰人脸照即可

4.SDK环境搭建

技术文档 > SDK文档 > C++文档 > 按照流程下载人脸识别SDK到Ubuntu中（具体流程可参考文档）
安装依赖库libcurl（需要支持https）openssl（加密） jsoncpp

sudo apt-get install libcurl4-openssl-dev
sudo apt-get install openssl
sudo apt-get install libjsoncpp-dev

将下载好的SDK解压，并将其base文件夹以及face.h（人脸检测只需这两个文件）文件复制到你的项目中参考文档

这里编译可能会出现报错找不到json和openssl路径，点击错误代码行，将其改为
#include <jsoncpp/json/json.h>，
#include "jsoncpp/json/json.h"
（即改变路径，在前面加上jsoncpp）
并安装libssl库
sudo apt-get install libssl-dev

LIBS += -lcurl -lcrypto -ljsoncpp	//在pro文件中加入

并在程序中引入头文件和命名空间

#include <face.h>
using namespace aip;

5.平台接入

建立交互客户端client

	//头文件中先声明client指针类型对象，再在构造函数中实例化赋值(使用完后需要用delete client进行销毁)
	//widget.h
    Face *client;            //创建客户端对象

	//widget.cpp
    //建立百度交互客户端client
    // 设置APPID/AK/SK
    string app_id = "你自己的";
    string api_key = "你自己的";
    string secret_key = "你自己的";

    client = new Face(app_id,api_key,secret_key);

格式转换

梳理一下我们的摄像头捕捉流程

frame(初始的彩色视频帧流) > Grayimage（灰度化）> Matface（存放截取的人脸矩形）> JpgFace（人脸矩形图片转化为JPG格式）> Base64Fce（转化为base64格式-百度人脸识别要求的格式）>>>>

//widget.h
//先在头文件的private中声明一个容器存放base64格式的图片
string Base64Face;               //用于存放转换成base64格式的照片

//widget.cpp
Base64Face =  base64_encode((char *)JpgFace.data(),JpgFace.size());   //将jpg格式的图片转化为base64格式的

接收检测结果

//widget.h
 Json::Value result;             //用于接受检测结果的容器


// 带参数调用人脸搜索函数说明
//result = client.face_search_v3(image, image_type, group_id_list, options);

result =  client->face_search_v3(Base64Face,"BASE64","student",Json::nullValue);
cout << result <<endl;	//打印测试结果

这里如果报错multiple definition （多重定义）：可以将出现多重定义的函数定义为static（静态函数）

6.验证检测结果

OpenCV+Ubuntu+QT实现人脸检测/识别（考勤管理）,opencv,ubuntu,qt,物联网

可以看到控制台已经输出JSON格式的数据，并且检测成功

7.解析数据

json解析

//result返回json数据格式
{
	"cached" : 0,
	"error_code" : 0,
	"error_msg" : "SUCCESS",
	"log_id" : 2660475389,
	"result" : 
	{
		"face_token" : "952d7830427201926483ab1f02f015b8",
		"user_list" : 
		[
			{
				"group_id" : "student",
				"score" : 80.822387695312003,
				"user_id" : "yyqx",
				"user_info" : ""
			}
		]
	},
	"timestamp" : 1705394660
}

        if(!result["result"].isNull())  //发送来的数据中result不为空（检测到人脸）
        {
            if(result["result"]["user_list"][0]["score"].asInt() >= 88)    //提取数据中的score信息（匹配度高才算成功）
            {
                QString name = QString::fromStdString(result["result"]["user_list"][0]["user_id"].asString());  //将姓名转化成Qstring类型以便提示
                QMessageBox::information(this,"欢迎！",name+"打卡成功！");
 
            }

            else  if(result["result"]["user_list"][0]["score"].asInt() < 88) {  //未在人脸库中
                QMessageBox::information(this,"欢迎！","人员未注册，请联系管理员！");
            }
        }

jsoncpp的解析可参考
这里已经实现了人脸检测+识别+数据解析文章来源地址https://www.toymoban.com/news/detail-813312.html

获取系统时间

//widget.h
#include <QDateTime>
QDateTime currenttime;        //获取时间

//更新后
 if(!result["result"].isNull())  //发送来的数据中result不为空（检测到人脸）
        {
            if(result["result"]["user_list"][0]["score"].asInt() >= 88)    //提取数据中的score信息（匹配度高才算成功）
            {
                currenttime = QDateTime::currentDateTime(); // 获取当前时间
                QString checktime = currenttime.toString("yyyy-MM-dd hh:mm:ss"); // 将时间转换为字符串

                QString name = QString::fromStdString(result["result"]["user_list"][0]["user_id"].asString());  // 将姓名转化成QString类型以便提示
                QMessageBox::information(this, "欢迎！", name + "打卡成功！" + checktime);

            }

            else  if(result["result"]["user_list"][0]["score"].asInt() < 88) {  //未在人脸库中
                QMessageBox::information(this,"欢迎！","人员未注册，请联系管理员！");
            }
        }