当前位置：首页 > 资讯 > 技术文档

详解如何用OpenCV + Python 实现人脸识别

时间：2020-05-31 08:23 编辑：来源：阅读：
扫一扫，手机访问

摘要：详解如何用OpenCV + Python 实现人脸识别

下午的时候，配好了OpenCV的Python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。 [b]必备知识[/b] [b]Haar-like[/b] 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。 [b]opencv api[/b] 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： [b]读取图片[/b] 只需要给出待操作的图片的路径即可。

import cv2
image = cv2.imread(imagepath)

[b]灰度转换[/b] 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。

import cv2
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

[b]画图[/b] 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。

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

[b]显示图像[/b] 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。

import cv2
cv2.imshow("Image Title",image)

[b]获取人脸识别训练数据[/b] 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。

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： [url=https://github.com/opencv/opencv/tree/master/data/haarcascades]https://github.com/opencv/opencv/tree/master/data/haarcascades[/url] [b]探测人脸[/b] 说白了，就是根据训练的数据来对新图片进行识别的过程。

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。

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)

[b]实例[/b] 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。 [b]图片素材[/b] 下面的这张图片将作为我们的检测依据。 [img]http://files.jb51.net/file_images/article/201710/2017102016412015.jpg[/img] [b]人脸检测代码[/b]

# 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)

[b]人脸检测结果[/b] 输出图片： [img]http://files.jb51.net/file_images/article/201710/2017102016412016.jpg[/img] 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编程素材网。

全部评论(0)

上一篇：利用Python和OpenCV库将URL转换为OpenCV格式的方法
下一篇：跟老齐学Python之总结参数的传递

资讯排行榜
更多>>