zoukankan      html  css  js  c++  java
  • OpenCV + python 实现人脸检测(基于照片和视频进行检测)

    OpenCV + python 实现人脸检测(基于照片和视频进行检测)

    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。

    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。

    基于照片:

    图片素材

    下面的这张图片将作为我们的检测依据。 

    人脸检测代码

    import cv2
    import numpy as np

    import sys,os,glob,numpy
    from skimage import io


    #指定图片的人脸识别然后存储
    img = cv2.imread("test.jpg")
    color = (0, 255, 0)


    grey = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    classfier = cv2.CascadeClassifier("C:\Users\22291_000\Anaconda3\Lib\site-packages\cv2\data\haarcascade_frontalface_alt2.xml")



    faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))
    if len(faceRects) > 0: # 大于0则检测到人脸
    for faceRect in faceRects: # 单独框出每一张人脸
    x, y, w, h = faceRect
    cv2.rectangle(img, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 3) #5控制绿色框的粗细



    # 写入图像
    cv2.imwrite('output.jpg',img)
    cv2.imshow("Find Faces!",img)
    cv2.waitKey(0)

    人脸检测结果

    输出图片: 

    基于视频:

    人脸检测代码

    import cv2
    import sys
    import logging as log
    import datetime as dt
    from time import sleep

    cascPath = "C:\Users\22291_000\Anaconda3\Lib\site-packages\cv2\data\haarcascade_frontalface_alt2.xml"
    faceCascade = cv2.CascadeClassifier(cascPath)

    # 打开视频捕获设备
    video_capture = cv2.VideoCapture(0)


    while True:
    if not video_capture.isOpened():
    print('Unable to load camera.')
    sleep(5)
    pass

    # 读视频帧
    ret, frame = video_capture.read()

    # 转为灰度图像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 调用分类器进行检测
    faces = faceCascade.detectMultiScale(
    gray,
    scaleFactor=1.1,
    minNeighbors=5,
    minSize=(30, 30),
    #flags=cv2.cv.CV_HAAR_SCALE_IMAGE
    )

    # 画矩形框
    for (x, y, w, h) in faces:
    cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)


    # 显示视频
    cv2.imshow('Video', frame)


    if cv2.waitKey(1) & 0xFF == ord('q'):
    break


    # 关闭摄像头设备
    video_capture.release()

    # 关闭所有窗口
    cv2.destroyAllWindows()

     

    人脸检测结果

  • 相关阅读:
    七、python抽象
    六、python条件、循环及其它语句
    泛型数组
    判断数组是否包含此元素
    数组倒序
    Class字节码文件获取的三种方法
    操作系统的产生
    Java重载的概述
    表设计遵循的三大范式实例
    pyqt5窗体分隔
  • 原文地址:https://www.cnblogs.com/yjd_hycf_space/p/8983371.html
Copyright © 2011-2022 走看看