zoukankan      html  css  js  c++  java
  • 手把手教你如何用 OpenCV + Python 实现人脸检测

    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。

    必备知识

    Haar-like

    Haar-like百科释义。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。

    读取图片

    只需要给出待操作的图片的路径即可。

    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。

    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。

    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。

    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。

    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。

    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)

     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。

    下面的这张图片将作为我们的检测依据。 

    人脸检测代码

    # 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)

    输出图片: 

    输出结果:

    D:SoftwarePython2python.exe E:/Code/Python/DataStructor/opencv/Demo.py
    发现3个人脸!

    详情见:案例参考

      总结

    回顾一下,这次的实验就是简单的对opencv的常用的api的使用,重点在于训练数据的使用和人脸探测的处理。

    搜索887934385交流群,群内分享干货最后,感谢观看!

  • 相关阅读:
    oracle 复制表结构 复制表数据 sql 语句
    Linux rsync实现断点续传
    qt实现一个简单的计算器
    python脚本0b文件处理
    同步和互斥
    python中的randint,引入模块
    python中常见的三种句型if,while,for
    python中的变量,运算符
    python安装与使用
    常见dos命令总结
  • 原文地址:https://www.cnblogs.com/pypypy/p/11990620.html
Copyright © 2011-2022 走看看