C++ DLIB中用于识别的序列化人脸特征

我正在写一个dlib代码来进行1对1的人脸识别

我按照中的代码示例进行了以下操作：

std::vector<matrix<rgb_pixel>> faces;
for (auto face : detector(img1))
{
    auto shape = sp(img1, face);
    matrix<rgb_pixel> face_chip;
    extract_image_chip(img1, get_face_chip_details(shape, 150, 0.25), face_chip);
    faces.push_back(move(face_chip));
}

我没有保存图像，而是尝试保存特征并加载它们，以减少提取特征所花费的时间。所以我所做的是将第一个for循环移动到另一个函数（类似于注册）并使其如下所示：

std::vector<matrix<rgb_pixel>> faces;
for (auto face : detector(img1))
{
    auto shape = sp(img1, face);
    matrix<rgb_pixel> face_chip;
    extract_image_chip(img1, get_face_chip_details(shape, 150, 0.25), face_chip);
    serialize("personX.dat") <<face_chip;
}

std:：向量面；
用于（自动面部：探测器（img1））
{
自动形状=sp（img1，面）；
矩阵面片；
提取图像芯片（img1，获取人脸芯片细节（形状，150，0.25），人脸芯片）；
序列化（“personX.dat”）face_芯片；
面。推回（移动（面切屑））；

从提取img2开始的其余代码保持不变。代码已编译。但在执行过程中，当我达到识别时，我最终出现以下错误：

****************************检测到致命错误****************************

在第216行检测到错误。 在文件/usr/local/include/dlib/dnn/input.h中检测到错误。 函数void dlib:：input_rgb_image_size:：to_tensor（正向迭代器，正向迭代器，dlib:：resize_tensor&）const[带正向迭代器=u gnu_cxx:：u normal_迭代器*，std:：vector>；长无符号int NR=150ul；长无符号int NC=150ul]中检测到错误

失败的表达式是i->nr（）==nr&&i->nc（）==nc输入\u rgb\u图像大小：：to\u张量（）

所有输入图像必须有150行和150列，但我们得到了一个有0行和0列的图像

序列化/反序列化是否有问题？或者是否应该使用其他方法将功能写入文件

完整功能的代码：

try
{
    load_image(img1, check_image);
}
catch (...)
{
    cout<<"Name: "<<uname<<" doesn't exist"<<endl;
    return;
}

else
{
    QElapsedTimer timer;
    timer.start();


    dlib::assign_image(img2, dlib::cv_image<bgr_pixel>(colorImage));
    std::vector<matrix<rgb_pixel>> faces;

    for (auto face : detector(img1))
    {
        auto shape = sp(img1, face);
        matrix<rgb_pixel> face_chip;
        extract_image_chip(img1, get_face_chip_details(shape, 150, 0.25), face_chip);
        faces.push_back(move(face_chip));
//                serialize("out.dat")<<face_chip;   //used whin i dont need to read image
    }

//            matrix<rgb_pixel> face_chip; //used whin i dont need to read image
//            deserialize("out.dat")>>face_chip; //used whin i dont need to read image
//            faces.push_back(move(face_chip)); //used whin i dont need to read image

    cout<<"Time to extract features for enroled image: "<<timer.elapsed()<<endl;
    timer.restart();

    for (auto face : detector(img2))
    {
        auto shape = sp(img2, face);
        matrix<rgb_pixel> face_chip;
        extract_image_chip(img2, get_face_chip_details(shape, 150, 0.25), face_chip);
        faces.push_back(move(face_chip));
    }

    cout<<"Time to extract features for new image: "<<timer.elapsed()<<endl;
    timer.restart();

    if (faces.size() < 2)
    {
        cout<<"No Face"<<endl;
    }

    else
    {
        std::vector<matrix<float, 0, 1>> face_descriptors = net(faces);
        std::vector<sample_pair> edges;
        for (size_t i = 0; i < face_descriptors.size(); ++i)
        {
            for (size_t j = i; j < face_descriptors.size(); ++j)
            {
                if (length(face_descriptors[i] - face_descriptors[j]) < threshold)
                    edges.push_back(sample_pair(i, j));
            }
        }
        std::vector<unsigned long> labels;
        const int num_clusters = chinese_whispers(edges, labels);

        if (num_clusters == 1)
        {
            cout<<"Recognized"<<endl;
        }
        else
        {
                    cout<<"Faces don't match";
        }
    }

    cout<<"Needed time is: "<<timer.elapsed()<<" ms"<<endl;
}

试试看
{
加载图像（img1，检查图像）；
}
捕获（…）
{
cout我没有序列化矩阵，而是序列化了输出向量（面）

序列化（“personX.dat”）面；
用于（自动面部：检测器（img2））
{
自动形状=sp（img2，面）；
矩阵面片；
提取图像芯片（img2，获取人脸芯片细节（形状，150，0.25），人脸芯片）；
面。推回（移动（面切屑））；
}

我继续回答问题中提到的问题

我不知道这是否是最好的方法……但它奏效了。
你能链接到完整src的要点或其他内容吗？另外，你确定你的图像是好的（即有一张脸，大小合适）？我将发布关于图像的代码作为回复是的，我确信我在图像中有人脸，就好像我没有使用序列化一样。我得到了正确的匹配结果。我将代码添加到问题中。代码中的注释部分是我希望使用的，以避免每次需要匹配时提取图像特征。因此，简而言之我希望提取特征。保存到文件中，然后每当我需要匹配特定的人时，我阅读他的文件，只提取传入图像的特征，从而节省匹配所需的一半时间
load_image(img1, "personX.jpg");

std::vector<matrix<rgb_pixel>> faces;
for (auto face : detector(img1))
{
    auto shape = sp(img1, face);
    matrix<rgb_pixel> face_chip;
    extract_image_chip(img1, get_face_chip_details(shape, 150, 0.25), face_chip);
    serialize("personX.dat") <<face_chip;
}

matrix<rgb_pixel> face_chip;
deserialize("personX.dat")>>face_chip;            
faces.push_back(move(face_chip));

try
{
    load_image(img1, check_image);
}
catch (...)
{
    cout<<"Name: "<<uname<<" doesn't exist"<<endl;
    return;
}

else
{
    QElapsedTimer timer;
    timer.start();


    dlib::assign_image(img2, dlib::cv_image<bgr_pixel>(colorImage));
    std::vector<matrix<rgb_pixel>> faces;

    for (auto face : detector(img1))
    {
        auto shape = sp(img1, face);
        matrix<rgb_pixel> face_chip;
        extract_image_chip(img1, get_face_chip_details(shape, 150, 0.25), face_chip);
        faces.push_back(move(face_chip));
//                serialize("out.dat")<<face_chip;   //used whin i dont need to read image
    }

//            matrix<rgb_pixel> face_chip; //used whin i dont need to read image
//            deserialize("out.dat")>>face_chip; //used whin i dont need to read image
//            faces.push_back(move(face_chip)); //used whin i dont need to read image

    cout<<"Time to extract features for enroled image: "<<timer.elapsed()<<endl;
    timer.restart();

    for (auto face : detector(img2))
    {
        auto shape = sp(img2, face);
        matrix<rgb_pixel> face_chip;
        extract_image_chip(img2, get_face_chip_details(shape, 150, 0.25), face_chip);
        faces.push_back(move(face_chip));
    }

    cout<<"Time to extract features for new image: "<<timer.elapsed()<<endl;
    timer.restart();

    if (faces.size() < 2)
    {
        cout<<"No Face"<<endl;
    }

    else
    {
        std::vector<matrix<float, 0, 1>> face_descriptors = net(faces);
        std::vector<sample_pair> edges;
        for (size_t i = 0; i < face_descriptors.size(); ++i)
        {
            for (size_t j = i; j < face_descriptors.size(); ++j)
            {
                if (length(face_descriptors[i] - face_descriptors[j]) < threshold)
                    edges.push_back(sample_pair(i, j));
            }
        }
        std::vector<unsigned long> labels;
        const int num_clusters = chinese_whispers(edges, labels);

        if (num_clusters == 1)
        {
            cout<<"Recognized"<<endl;
        }
        else
        {
                    cout<<"Faces don't match";
        }
    }

    cout<<"Needed time is: "<<timer.elapsed()<<" ms"<<endl;
}

serialize("personX.dat")<<faces;

std::vector<matrix<rgb_pixel>> faces;
deserialize("out.dat")>>faces;
for (auto face : detector(img2))
{
    auto shape = sp(img2, face);
    matrix<rgb_pixel> face_chip;
    extract_image_chip(img2, get_face_chip_details(shape, 150, 0.25), face_chip);
    faces.push_back(move(face_chip));
}