手把手教你如何用 OpenCV + Python 實現人臉識別
配好了OpenCV的Python環境,OpenCV的Python環境搭建。於是迫不及待的想體驗一下opencv的人臉識別,如下文。
必備知識
Haar-like
Haar-like百科釋義。通俗的來講,就是作為人臉特徵即可。
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
只需要給出待操作的圖片的路徑即可。
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')
裡賣弄的這個xml檔案,就是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:https://github.com/opencv/opencv/tree/master/data/haarcascades
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
有了剛才的基礎,我們就可以完成一個簡單的人臉識別的小例子了。
下面的這張圖片將作為我們的檢測依據。
人臉檢測程式碼
# coding:utf-8 import sys reload(sys) sys.setdefaultencoding('utf8') # __author__ = '郭 璞' # __date__ = '2016/9/5' # __Desc__ = 人臉檢測小例子,以圓圈圈出人臉 import cv2 # 待檢測的圖片路徑 imagepath = r'./heat.jpg' # 獲取訓練好的人臉的引數資料,這裡直接從GitHub上使用預設值 face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml') # 讀取圖片 image = cv2.imread(imagepath) gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) # 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 ) 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("Find Faces!",image) cv2.waitKey(0)
輸出圖片:
輸出結果:
D:\Software\Python2\python.exe E:/Code/Python/DataStructor/opencv/Demo.py
發現3個人臉!
詳情見:案例參考
總結
回顧一下,這次的實驗就是簡單的對opencv的常用的api的使用,重點在於訓練資料的使用和人臉探測的處理。
若有問題未能得到解決,搜尋887934385交流群,最後,感謝觀看!