脚本之家,脚本语言编程技术及教程分享平台!
分类导航

Python|VBS|Ruby|Lua|perl|VBA|Golang|PowerShell|Erlang|autoit|Dos|bat|

服务器之家 - 脚本之家 - Python - 详解如何用OpenCV + Python 实现人脸识别

详解如何用OpenCV + Python 实现人脸识别

2020-12-12 00:41Hanson1 Python

这篇文章主要介绍了详解如何用OpenCV + Python 实现人脸识别,非常具有实用价值,需要的朋友可以参考下

下午的时候,配好了OpenCVPython环境,OpenCV的Python环境搭建。于是迫不及待的想体验一下opencv的人脸识别,如下文。

必备知识

Haar-like

通俗的来讲,就是作为人脸特征即可。

Haar特征值反映了图像的灰度变化情况。例如:脸部的一些特征能由矩形特征简单的描述,如:眼睛要比脸颊颜色要深,鼻梁两侧比鼻梁颜色要深,嘴巴比周围颜色要深等。

opencv api

要想使用opencv,就必须先知道其能干什么,怎么做。于是API的重要性便体现出来了。就本例而言,使用到的函数很少,也就普通的读取图片,灰度转换,显示图像,简单的编辑图像罢了。

如下:

读取图片

只需要给出待操作的图片的路径即可。

?
1
2
import cv2
image = cv2.imread(imagepath)

灰度转换

灰度转换的作用就是:转换成灰度的图片的计算强度得以降低。

?
1
2
import cv2
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

画图

opencv 的强大之处的一个体现就是其可以对图片进行任意编辑,处理。

下面的这个函数最后一个参数指定的就是画笔的大小。

?
1
2
import cv2
cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)

显示图像

编辑完的图像要么直接的被显示出来,要么就保存到物理的存储介质。

?
1
2
import cv2
cv2.imshow("Image Title",image)

获取人脸识别训练数据

看似复杂,其实就是对于人脸特征的一些描述,这样opencv在读取完数据后很据训练中的样品数据,就可以感知读取到的图片上的特征,进而对图片进行人脸识别。

?
1
2
import cv2
face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')

里卖弄的这个xml文件,就是opencv在GitHub上共享出来的具有普适的训练好的数据。我们可以直接的拿来使用。

训练数据参考地址:

https://github.com/opencv/opencv/tree/master/data/haarcascades

探测人脸

说白了,就是根据训练的数据来对新图片进行识别的过程。

?
1
2
3
4
5
6
7
8
9
10
11
import cv2
 
# 探测图片中的人脸
 
faces = face_cascade.detectMultiScale(
  gray,
  scaleFactor = 1.15,
  minNeighbors = 5,
  minSize = (5,5),
  flags = cv2.cv.CV_HAAR_SCALE_IMAGE
)

我们可以随意的指定里面参数的值,来达到不同精度下的识别。返回值就是opencv对图片的探测结果的体现。

处理人脸探测的结果

结束了刚才的人脸探测,我们就可以拿到返回值来做进一步的处理了。但这也不是说会多么的复杂,无非添加点特征值罢了。

?
1
2
3
4
5
6
import cv2
 
print "发现{0}个人脸!".format(len(faces))
 
for(x,y,w,h) in faces:
  cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)

实例

有了刚才的基础,我们就可以完成一个简单的人脸识别的小例子了。

图片素材

下面的这张图片将作为我们的检测依据。

详解如何用OpenCV + Python 实现人脸识别

人脸检测代码

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
# coding:utf-8
 
import sys
 
 
 
reload(sys)
 
sys.setdefaultencoding('utf8')
 
#  __author__ = '郭 璞'
 
#  __date__ = '2016/9/5'
 
#  __Desc__ = 人脸检测小例子,以圆圈圈出人脸
 
import cv2
 
# 待检测的图片路径
 
imagepath = r'./heat.jpg'
 
 
 
# 获取训练好的人脸的参数数据,这里直接从GitHub上使用默认值
 
face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')
 
 
 
# 读取图片
 
image = cv2.imread(imagepath)
 
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
 
 
 
# 探测图片中的人脸
 
faces = face_cascade.detectMultiScale(
 
  gray,
 
  scaleFactor = 1.15,
 
  minNeighbors = 5,
 
  minSize = (5,5),
 
  flags = cv2.cv.CV_HAAR_SCALE_IMAGE
 
)
 
 
 
print "发现{0}个人脸!".format(len(faces))
 
 
 
for(x,y,w,h) in faces:
 
  # cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)
 
  cv2.circle(image,((x+x+w)/2,(y+y+h)/2),w/2,(0,255,0),2)
 
 
 
cv2.imshow("Find Faces!",image)
 
cv2.waitKey(0)

人脸检测结果

输出图片:

详解如何用OpenCV + Python 实现人脸识别

输出结果:

D:\Software\Python2\python.exe E:/Code/Python/DataStructor/opencv/Demo.py
发现3个人脸!

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持服务器之家。

原文链接:http://www.cnblogs.com/hanson1/p/7105265.html

延伸 · 阅读

精彩推荐