OpenCV + Python 實現人臉識別
阿新 • • 發佈:2019-02-02
Haar-like
Haar特徵值反映了影象的灰度變化情況。例如:臉部的一些特徵能由矩形特徵簡單的描述,如:眼睛要比臉頰顏色要深,鼻樑兩側比鼻樑顏色要深,嘴巴比周圍顏色要深等。
opencv api
要想使用opencv,就必須先知道其能幹什麼,怎麼做。於是API的重要性便體現出來了。就本例而言,使用到的函式很少,也就普通的讀取圖片,灰度轉換,顯示影象,簡單的編輯影象罷了。
讀取圖片
import cv2
image = cv2.imread(imagepath)
灰度轉換
灰度轉換的作用就是:轉換成灰度的圖片的計算強度得以降低。
import cv2
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
畫圖
opencv 的強大之處的一個體現就是其可以對圖片進行任意編輯,處理。
下面的這個函式最後一個引數指定的就是畫筆的大小。
import cv2
cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)
顯示影象
編輯完的影象要麼直接的被顯示出來,要麼就儲存到物理的儲存介質。
import cv2
cv2.imshow("Image Title",image)
獲取人臉識別訓練資料
看似複雜,其實就是對於人臉特徵的一些描述,這樣opencv在讀取完資料後很據訓練中的樣品資料,就可以感知讀取到的圖片上的特徵,進而對圖片進行人臉識別。
import cv2
face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')
opencv在GitHub上共享出來的具有普適的訓練好的資料。我們可以直接的拿來使用。
訓練資料參考地址:
探測人臉
說白了,就是根據訓練的資料來對新圖片進行識別的過程。
import cv2
# 探測圖片中的人臉
faces = face_cascade.detectMultiScale(
gray,
scaleFactor = 1.15,
minNeighbors = 5 ,
minSize = (5,5),
# flags = cv2.cv.CV_HAAR_SCALE_IMAGE
)
我們可以隨意的指定裡面引數的值,來達到不同精度下的識別。返回值就是opencv對圖片的探測結果的體現。
處理人臉探測的結果
結束了剛才的人臉探測,我們就可以拿到返回值來做進一步的處理了。但這也不是說會多麼的複雜,無非新增點特徵值罷了。
import cv2
print ("發現{0}個人臉!".format(len(faces)))
for(x,y,w,h) in faces:
cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)
例項
# -*- coding: UTF-8 -*-
"""
opencv實現人臉識別
參考:
1、https://github.com/opencv/opencv/tree/master/data/haarcascades
2、http://www.cnblogs.com/hanson1/p/7105265.html
"""
import cv2
# 待檢測的圖片路徑
imagepath="nba.jpg"
image = cv2.imread(imagepath)
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
'''
# 獲取人臉識別訓練資料
對於人臉特徵的一些描述,opencv在讀取完資料後很據訓練中的樣品資料,
就可以感知讀取到的圖片上的特徵,進而對圖片進行人臉識別。
xml資料下載,
參考:https://github.com/opencv/opencv/tree/master/data/haarcascades
'''
face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')
# 探測人臉
# 根據訓練的資料來對新圖片進行識別的過程。
faces = face_cascade.detectMultiScale(
gray,
scaleFactor = 1.15,
minNeighbors = 5,
minSize = (5,5),
#flags = cv2.HAAR_SCALE_IMAGE
)
# 我們可以隨意的指定裡面引數的值,來達到不同精度下的識別。返回值就是opencv對圖片的探測結果的體現。
# 處理人臉探測的結果
print ("發現{0}個人臉!".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("image",image)
cv2.waitKey(0)
cv2.destroyAllWindows()