Haar特征+Adaboost级联分类器
from imutils import * image = imread('face.png') show(image) """ 1 image：输入图像 2 scaleFactor=1.1：这个是每次缩小图像的比例，默认是1.1 3 minNeighbors=3：匹配成功所需要的周围矩形框的数目，每一个特征匹配到的区域都是一个矩形框，只有多个矩形框同时存在的时候，才认为是匹配成功，比如人脸，这个默认值是3。 4 minSize：匹配人脸的最小范围 5 flags=0：可以取如下这些值： 6 CASCADE_DO_CANNY_PRUNING=1, 利用canny边缘检测来排除一些边缘很少或者很多的图像区域 7 CASCADE_SCALE_IMAGE=2, 正常比例检测 8 CASCADE_FIND_BIGGEST_OBJECT=4, 只检测最大的物体 9 CASCADE_DO_ROUGH_SEARCH=8 初略的检测 """ def facedetect(image): image = imread(image) # 级联分类器 detector = cv2.CascadeClassifier('haarcascade_frontalface_alt.xml') rects = detector.detectMultiScale(image, scaleFactor=1.1, minNeighbors=2, minSize=(10,10), flags=cv2.CASCADE_SCALE_IMAGE) for (x,y,w,h) in rects: # 画矩形框 cv2.rectangle(image, (x,y), (x+w,y+h), (0,255,0), 2) show(image) if __name__=='__main__': facedetect('Solvay.jpg')
##了解一下就好反正精度也不高 # 系统操作 import os # 判断文件类型 import imghdr from imutils import * #1.采集人脸样本 # 人脸检测并保存人脸 def facedetect(image, output): # 获取文件名 name = os.path.basename(image) # 读入图片 image = cv2.imread(image) # 变成灰度图 image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 级联分类器，检测人脸 detector = cv2.CascadeClassifier("haarcascade_frontalface_alt.xml") rects = detector.detectMultiScale(image, scaleFactor=1.1, minNeighbors=3, minSize=(20, 20), flags=cv2.CASCADE_SCALE_IMAGE) # 循环每个人脸 for (x,y,w,h) in rects: # 截取人脸，并且都转化为200*200的固定大小 f = cv2.resize(image[y:y+h, x:x+w], (200,200)) # 写入指定路径 cv2.imwrite(os.path.join(output, name), f) # 检测并截取人脸 def predict_face(path, output): # 如果该文件夹不存在则创建文件夹 if not os.path.exists(output): os.makedirs(output) # 循环每个人物的文件夹下的图片 for files in os.listdir(path): # 检测是不是文件夹 if os.path.isdir(os.path.join(path, files)): # 定义截取到的人脸的输出路径 output2 = os.path.join(output, files) # 如果该文件夹不存在则创建文件夹 if not os.path.exists(output2): os.makedirs(output2) # 人物文件夹的完整路径 files = os.path.join(path, files) # 循环每个人的每张照片 for file in os.listdir(files): # 照片完整路径 file = os.path.join(files, file) # 检测人脸并保存 facedetect(file, output2) #2.生成label # 生成label文件 def get_label(path): fh = open("label.txt", 'w') # 表示人脸label label = 0 for root, dirs, files in os.walk(path): # 循环每个文件夹 for subdir in dirs: # 文件夹完整路径 subdir_path = os.path.join(root,subdir) # 循环每个人物文件夹下面每张照片 for file in os.listdir(subdir_path): # 照片完整路径 filepath = os.path.join(subdir_path, file) # 判断文件类型是不是图片类型 imgType = imghdr.what(filepath) if imgType == 'jpeg' or imgType == 'png': # 保存图片路径 fh.write(filepath); fh.write(";") # 标签 fh.write(str(label)) fh.write(" ") # 每个人的标签不一样，从0开始计数 label = label + 1 fh.close() #3.训练自己的数据模型 # 保存图片数据 images = [] # 保存标签 labels = [] # 打开文件 fh = open("label.txt") # 循环每一行 for line in fh: # 以;切分字符串 arr = line.split(";") # 第0部分为图片路径，读取文件 img = cv2.imread(arr[0],0) # 保存图片数据 images.append(img) # 保存对应的标签数据 labels.append(int(arr[1])) # 安装opencv扩展包 # pip install opencv-contrib-python # 定义人脸识别模型 model = cv2.face.EigenFaceRecognizer_create() # model = cv2.face.FisherFaceRecognizer_create() # model = cv2.face.LBPHFaceRecognizer_create() # 训练模型 model.train(np.array(images), np.array(labels)) # 保存模型 model.save("predict_face_XiaoMing_AB.xml") #4.人脸识别 # 定义人物名字 name= ['ab','xiaoming'] # 定义人脸识别模型 model = cv2.face.EigenFaceRecognizer_create() # 载入训练好的模型 model.read('predict_face_XiaoMing_AB.xml') # 读入测试图片来做测试 for file in os.listdir('test'): file = os.path.join('test', file) # 判断文件类型 imgType = imghdr.what(file) if imgType == 'jpeg' or imgType == 'png': # 读入图片 image = imread(file) # 变为灰度图 gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) # 级联分类器 detector = cv2.CascadeClassifier("haarcascade_frontalface_alt.xml") rects = detector.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=3, minSize=(20, 20), flags=cv2.CASCADE_SCALE_IMAGE) # 循环每个人脸 for (x,y,w,h) in rects: # 画矩形框 cv2.rectangle(image, (x,y), (x+w,y+h), (0,255,0), 2) # 人脸识别 face = cv2.resize(gray[y:y+h,x:x+w], (200,200)) # 预测人物 params = model.predict(face) # 写上人物名字 cv2.putText(image,name[params[0]],(x,y-20),cv2.FONT_HERSHEY_SIMPLEX,1,(255,0,0),2) show(image)