基於opencv的人臉識別

• opencv的一個目錄：opencv/sources/data/haarcascades 提供了用於人臉檢測相關的檔案，載入這些檔案，就可以方便的實現人臉檢測的相關工作。

  face_cascade = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')
  faces = face_cascade.detectMultiScale(face_gray, 1.3, 5)
  

• 上述程式碼就可以實現人臉的區域的檢測，face返回人臉矩形框的左上角座標以及矩形框的長和寬的列表。

• 顯然，做人臉識別需要大量的訓練資料。一般深度學習識別的訓練集資料都是萬為單位。我們這裡就打算呼叫攝像頭，然後將用上述矩形框裡的影象轉化為灰度圖然後再resize到200*200大小作為訓練資料。

• 下面是獲取100張訓練影象的程式碼

  #coding: utf-8
  import cv2
  
  datapath = "D:/imgData/face/"
  
  def generate(name):
      face_cascade = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')
  #     eye_cascade = cv2.CascadeClassifier('./haarcascade_eye.xml')
      camera = cv2.VideoCapture(0)
      count = 0
      while (True):
          ret, frame = camera.read()
          gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
          #p2:人臉檢測中每次迭代影象的壓縮率    p3:每個人臉矩形保留近鄰數目的最小值ֵ
          faces = face_cascade.detectMultiScale(gray, 1.3, 5)
          for (x,y,w,h) in faces:
              img = cv2.rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2)
  
              f = cv2.resize(gray[y:y+h, x:x+w], (200, 200))
  
              cv2.imwrite(datapath + str(name) + '/%s.pgm' % str(count), f)
              print count
              count += 1
  
          if(count >= 100):
              break
  
          cv2.imshow("camera", frame)
  
          if cv2.waitKey(1000 / 12) & 0xff == ord("q"):
              break
  
      camera.release()
      cv2.destroyAllWindows()
  
      if __name__ == "__main__":
        generate('wjf')
   
  

• 訓練資料的話都要一個文字檔案來指定當前圖片屬於哪一個類別？caffee是用一個txt文字說明，opencv需要一個csv檔案說明。

• 當然，這個檔案肯定需要程式碼來生成，程式碼比較簡單，就是一些檔案的操作。python方便的就是可以用其他的包呼叫，而且使用起來很方便，跟Java一樣。python檔案操作一個好用的包就是os了。

• 下面是生成csv檔案的程式碼：

  #coding: utf-8
  import os 
  dataPath = "D:/imgData/face/"
  #列出資料夾所有資料夾
  dirList = os.listdir(dataPath)
  
  label = -1;
  for name in dirList:
      path = dataPath + str(name) + '/'
      print path 
      cpath = str(path)[16:str(path).rfind('/')+1]
  
      label += 1
      f = open(dataPath+'train.csv', 'a+');
  
      fileList = os.listdir(path)
      for fileName in fileList:
          print fileName
          f.write(cpath + fileName + ';' + str(label) + '\n')   
   
  

• 開啟這個檔案，可以看到其內容如下，有必要的話可以將順序在打亂一點。
  

• 完事具備，接下來就是訓練了。opencv提供了三種人臉識別的方法，這裡打算用Eigenfaces來實現，它是基於PCA原理的。

• 使用起來也很簡單，傳入所有影象陣列的list集合X以及對應標籤的list。

• 訓練完成後，我們將模型儲存到xml檔案中去。

  model = cv2.face.createEigenFaceRecognizer()
  model.train(np.asarray(X), np.asarray(y))
  model.save(dataPath  + 'model.xml')
  

• 模型的預測也很簡單了，呼叫model.predict(img)就可以返回img對應的標籤了。

• 如果識別的不穩定，可以增加訓練資料。