【注意】本博文的档次适合OpenCV初学者，和要做本科生毕业设计这类档次。
源码的下载地址和原理理论部分请走下面连接
http://blog.csdn.net/qq78442761/article/details/71157980
上一节是人脸处理，链接如下：
http://blog.csdn.net/qq78442761/article/details/71159013
这一节是模型训练，这个模型训练要做的功能就是调用Opencv生成一个XML文件，这个XML文件记录了每组的人脸的特征(本程序是10张图一个人，每一个人有唯一固定的编号)
功能如下，在点击功能再点击训练模型后会在此程序根目录下生成如下xml文件。
下面来看代码，如何实现这一功能：
void AddPeople::TrainingModel() { //读取你的CSV文件路径. //string fn_csv = string(argv[1]); std::string fn_csv = "./Data/at.txt"; // 2个容器来存放图像数据和对应的标签 std::vector<cv::Mat> images; std::vector<int> labels; // 读取数据. 如果文件不合法就会出错 // 输入的文件名已经有了. try { read_csv(fn_csv, images, labels); } catch (cv::Exception& e) { std::cerr << "Error opening file \"" << fn_csv << "\". Reason: " << e.msg << endl; // 文件有问题，我们啥也做不了了，退出了 return; } // 如果没有读取到足够图片，也退出. if (images.size() <= 1) { std::string error_message = "This demo needs at least 2 images to work. Please add more images to your data set!"; CV_Error(CV_StsError, error_message); } // 下面的几行代码仅仅是从你的数据集中移除最后一张图片 //[gm:自然这里需要根据自己的需要修改，他这里简化了很多问题] cv::Mat testSample = images[images.size() - 1]; // int testLabel = labels[labels.size() - 1]; images.pop_back(); labels.pop_back(); cv::Ptr<cv::FaceRecognizer> model = cv::createEigenFaceRecognizer(); model->train(images, labels); model->save("MyFacePCAModel.xml"); int predictedLabel = -1; double confidence = 0.0; model->predict(testSample, predictedLabel, confidence); qDebug()<<confidence; } 其实就是调用了createEigenFaceRecognizer()，就实现了在第一节中，所说的理论，然后在train就能训练出xml文件。
下一节将说明人脸识别。
源码和理论部分在本博文开头有提供。
