13.7、Opencv应用--人脸识别

功能包：~/software/library_ws/src/opencv_apps

该功能包订阅的话题是【/image】，我们要做的是打开相机节点，写一个将相机的话题转成【/image】节点将【/image】话题发布出来。

开启相机并发布【/image】话题的节点的路径：


~/dofbot_ws/src/dofbot_visual/scripts/pub_image.py

opencv_apps 程序提供各种节点，这些节点在内部运行opencv的功能，并将结果发布到ROS话题中。使用opencv_apps程序时，按照自身的业务需求，只需运行一个launch文件即可，这样就可以不必再编写这些功能的程序代码。

ROS Wiki中有相关的节点解析，相应节点的话题订阅与话题发布、相关参数介绍等。详情请查看ROS WiKi。

第一步：启动相机


xxxxxxxxxx
roslaunch dofbot_visual opencv_apps.launch img_flip:=false

【usb_cam-test.launch】文件默认开启【web_video_server】节点，可以直接使用【IP:8080】网页实时查看图像。

第二步：启动人脸识别的功能


xxxxxxxxxx
roslaunch opencv_apps face_recognition.launch             # 人脸识别

ros+opencv应用几乎每个案例都会有一个参数【debug_view】，布尔类型，是否使用Opencv显示图片，默认显示。

如果不需要显示则设置为【False】，例如


xxxxxxxxxx
roslaunch opencv_apps contour_moments.launch debug_view:=False

但是这样子启动后，有些案例肯不能通过其他方式显示出来，因为在源码中，有些【debug_view】设置为【False】，就会把图像处理给关闭掉。

输入以下命令，选择对应话题


xxxxxxxxxx
rqt_image_view

系统默认显示，无需做什么处理。

（同局域网下）再浏览器中输入IP+port，例如：


xxxxxxxxxx
192.168.2.116:8080

具体ip，使用自己当前虚拟机ip。

此案例是通过即时收集人的图像自主训练，实时识别，步骤略有复杂。

参数	类型	默认	解析
~approximate_sync	bool	false	订阅【camera_info】这个话题，获得默认坐标系ID，否则直接使用图像信息。
~queue_size	int	100	订阅话题的队列大小
~model_method	string	"eigen"	人脸识别的方法： "eigen", "fisher" or "LBPH"
~use_saved_data	bool	true	从~data_dir路径下加载训练数据
~save_train_data	bool	true	将训练数据保存到~data_dir路径下，以便重新训练
~data_dir	string	"~/opencv_apps/face_data"	保存训练数据路径
~face_model_width	int	190	训练人脸图像的宽度
~face_model_height	int	90	训练人脸图像的高度
~face_padding	double	0.1	每个人脸的填充比
~model_num_components	int	0	人脸识别器模型的组件数量（0被视为无限制）
~model_threshold	double	8000.0	人脸识别模型阈值
~lbph_radius	int	1	半径参数（仅适用于LBPH方法）
~lbph_neighbors	int	8	邻域参数（仅适用于LBPH方法）
~lbph_grid_x	int	8	网格x参数（仅适用于LBPH方法）
~lbph_grid_y	int	8	网格y参数（仅适用于LBPH方法）
~queue_size	int	100	图像订阅者队列大小

操作步骤：

1、首先在下图冒号后面，输入人物名字：Yahboom

2、确认名字：y

3、然后将人脸放在图像中央，点击确认。

4、循环增加一张照片：y，点击确认。

5、结束图片收集，输入：n，点击确认。

6、关闭这个launch文件，重启。

如果需要录入所认识别，依次循环1~5，直到所有识别人员录入完毕，再执行第六步。

第3步：要保证能够识别到人脸

最终识别效果