配好了 OpenCV 的 Python 环境, OpenCV 的 Python 环境搭建. 于是迫不及待的想体验一下 opencv 的人脸识别, 如下文.
必备知识
Haar-like
Haar-like 百科释义. 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.
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.
下面的这张图片将作为我们的检测依据.
人脸检测代码
- # coding:utf-8
- import sys
- reload(sys)
- sys.setdefaultencoding('utf8')
- # __author__ = '郭 璞'
- # __date__ = '2016/9/5'
- # __Desc__ = 人脸检测小例子, 以圆圈圈出人脸
- import cv2
- # 待检测的图片路径
- imagepath = r'./heat.jpg'
- # 获取训练好的人脸的参数数据, 这里直接从 GitHub 上使用默认值
- face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')
- # 读取图片
- image = cv2.imread(imagepath)
- gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
- # 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
- )
- 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)
- 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)
输出图片:
输出结果:
D:\Software\Python2\python.exe E:/Code/Python/DataStructor/opencv/Demo.py
发现 3 个人脸!
详情见: 案例参考
总结
回顾一下, 这次的实验就是简单的对 opencv 的常用的 API 的使用, 重点在于训练数据的使用和人脸探测的处理.
若有问题未能得到解决, 搜索 887934385 交流群, 最后, 感谢观看!
来源: https://www.cnblogs.com/pypypy/p/11990620.html