基于深度学习的人脸识别系统系列（Caffe+OpenCV+Dlib）——【六】设计人脸识别的识别类

前言

基于深度学习的人脸识别系统，一共用到了5个开源库：OpenCV（计算机视觉库）、Caffe（深度学习库）、Dlib（机器学习库）、libfacedetection（人脸检测库）、cudnn（gpu加速库）。
用到了一个开源的深度学习模型：VGG model。
最终的效果是很赞的，识别一张人脸的速度是0.039秒，而且最重要的是：精度高啊！！！
CPU：intel i5-4590
GPU：GTX 980
系统：Win 10
OpenCV版本：3.1（这个无所谓）
Caffe版本：Microsoft caffe （微软编译的Caffe，安装方便，在这里安利一波）
Dlib版本：19.0（也无所谓
CUDA版本：7.5
cudnn版本：4
libfacedetection：6月份之后的（这个有所谓，6月后出了64位版本的）
这个系列纯C++构成，有问题的各位朋同学可以直接在博客下留言，我们互相交流学习。
====================================================================

本篇是该系列的第六篇博客，介绍如何设计一个识别类来用于具体的分类任务。

思路

现在我们希望能够有一个识别的接口来实现输入一张图片，便可以分辨出他是哪个人。我们需要提前：
1、定义一个人脸空间；
2、将一些人脸的图片放到这个人脸空间中；
3、将n个人脸图片提取特征为n个向量，并且合并为一个矩阵；
4、将n个人脸图片的标注（label）合并为一个向量，与矩阵形成对应；
5、将其序列化并保存起来，等待识别时进行读取。

在前五篇博客中，我们已经可以很方便的来完成这些事情了。代码如下：

vector<Mat> imgArray;
    vector<string> labelArray;
    for ( int i = 0; i < 5; i++)//读入5张图片
    {
        string img_file = "img/" + Int_String(i) + ".jpg";
        Mat img = imread(img_file);
        imgArray.push_back(img);
        labelArray.push_back(img_file);
    }
    Register Train;

    for (int j = 0; j < 5; j++)
        Train.JoinFaceSpace(imgArray[j], "MySpace", labelArray[j]);

人脸空间的名字为：MySpace；每一个人脸的名称都用它们的文件路径直接来代替。
我们来看看这五张人脸：

我们来看看保存后的结果：
基于深度学习的人脸识别系统系列（Caffe+OpenCV+Dlib）——【六】设计人脸识别的识别类

代码

设计一个类，希望其具有读入训练文件，读入新图片，进行匹配的功能。
Register.h：

class Recognition
{
public:

    vector<string> NameVector;

    //vector
    void LoadVector(string FaceSpace);//读入数据,保存的名称为FaceSpace_FaceVector/FaceSpace_FaceName
    void LoadRecognitionModel(vector<vector<float>> FaceMatrix, vector<string> NameVector);//创建识别模型，需要输入FaceMarix，NameVector.
    string Predict(Mat LoadGetFace);//预测
    //用法： Recognition test; test.LoadRecognitionModel();cout<<test->predict(Mat) ; test.update()
    void clear();
    void update(vector<vector<float>> FaceMatrix, vector<string> NameVector);//change .
    vector<vector<float>> FaceMat;

private:
    vector <vector<float>> ReadVector (string FaceSpace);//input FaceSpace ,read to get vector <vector<float>>
};

函数的具体代码：
Register.cpp：

void Recognition::LoadVector(string FaceSpace) // save the people's  face vector
{
    string FaceVectorRoad = "data/" + FaceSpace + "_FaceMatrix.xml";
    string NameVectorRoad = "data/" + FaceSpace + "_NameVector.txt";
    vector<vector<float> >  FaceVector;
    FaceVector = LoadFaceMatrix(FaceVectorRoad);
    NameVector=LoadNameVector(NameVector, NameVectorRoad);
    if (!FaceVector.empty() && !NameVector.empty())
    {
        FaceMat = FaceVector;
        NameVector = NameVector;
        cout << "Sucessfully read the FaceSpace:" + FaceSpace + "'s data!" << endl;
    }
    else { cout << "There is no data in this FaceSpace:" + FaceSpace + ",Please input ." << endl; }
}

string Recognition::Predict(Mat LoadGetFace)//可优化，using CUDA TO COMPUTE
{
    if (!LoadGetFace.empty())
    {
        vector<float> v = ExtractFeature(FaceDetect(LoadGetFace));
        if (!v.empty())
        {
            int ID = -1;
            float MaxCos = 0;
            for (int i = 0; i < NameVector.size(); i++)
            {
                float t_cos = cosine(v, FaceMat[i]);
                if (t_cos > MaxCos)
                {
                    ID = i;
                    MaxCos = t_cos;//update the coff
                }
            }
            return NameVector[ID];
        }
        else
        {
            cout << "The Picture does not have people's Face,Please try again." << endl;
        }
    }
    else cout << "The picture is empty.Please Check it and make sure." << endl; 

}

void Recognition::LoadRecognitionModel(vector<vector<float>> FaceMatrix, vector<string> NameVector_)//创建识别模型，需要输入FaceMarix，NameVector.
{
    if (!FaceMatrix.empty() &&!NameVector_.empty())
    {
        FaceMat = FaceMatrix;
        NameVector = NameVector_;
    }
    else
    {
        cout << "Please check your FaceMatrix and NameVector.It may be empty." << endl;
    }
}

void Recognition::clear()
{
    FaceMatrix_ = NULL;
    NameVector.clear();
}

void Recognition::update(vector<vector<float>> FaceMatrix, vector<string> NameVector)
{
    clear_();
    LoadRecognitionModel(FaceMat, NameVector);
}

得益于前几篇里我们已经建立好的接口，那么在主函数里，就只需几行即可。

Recognition Val;

    Val.LoadVector("MySpace");
    Val.LoadRecognitionModel(Val.FaceMat, Val.NameVector);
    Mat test = imread("test.jpg");
    cout << "图片对应的训练样本为： ";
    cout<<Val.Predict(test)<<endl;
    imshow("Face Recognition", test);
    waitKey(0);