詳解如何用OpenCV + Python 實(shí)現(xiàn)人臉識(shí)別

更新時(shí)間：2017年10月20日 16:43:11 作者：Hanson1

這篇文章主要介紹了詳解如何用OpenCV + Python 實(shí)現(xiàn)人臉識(shí)別，非常具有實(shí)用價(jià)值，需要的朋友可以參考下

下午的時(shí)候，配好了OpenCV的Python環(huán)境，OpenCV的Python環(huán)境搭建。于是迫不及待的想體驗(yàn)一下opencv的人臉識(shí)別，如下文。

必備知識(shí)

Haar-like

通俗的來(lái)講，就是作為人臉特征即可。

Haar特征值反映了圖像的灰度變化情況。例如：臉部的一些特征能由矩形特征簡(jiǎn)單的描述，如：眼睛要比臉頰顏色要深，鼻梁兩側(cè)比鼻梁顏色要深，嘴巴比周?chē)伾畹取?/p>

opencv api

要想使用opencv，就必須先知道其能干什么，怎么做。于是API的重要性便體現(xiàn)出來(lái)了。就本例而言，使用到的函數(shù)很少，也就普通的讀取圖片，灰度轉(zhuǎn)換，顯示圖像，簡(jiǎn)單的編輯圖像罷了。

如下：

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(zhuǎn)換

灰度轉(zhuǎn)換的作用就是：轉(zhuǎn)換成灰度的圖片的計(jì)算強(qiáng)度得以降低。

import cv2
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

畫(huà)圖

opencv 的強(qiáng)大之處的一個(gè)體現(xiàn)就是其可以對(duì)圖片進(jìn)行任意編輯，處理。

下面的這個(gè)函數(shù)最后一個(gè)參數(shù)指定的就是畫(huà)筆的大小。

import cv2
cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)

顯示圖像

編輯完的圖像要么直接的被顯示出來(lái)，要么就保存到物理的存儲(chǔ)介質(zhì)。

import cv2
cv2.imshow("Image Title",image)

獲取人臉識(shí)別訓(xùn)練數(shù)據(jù)

看似復(fù)雜，其實(shí)就是對(duì)于人臉特征的一些描述，這樣opencv在讀取完數(shù)據(jù)后很據(jù)訓(xùn)練中的樣品數(shù)據(jù)，就可以感知讀取到的圖片上的特征，進(jìn)而對(duì)圖片進(jìn)行人臉識(shí)別。

import cv2
face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')

里賣(mài)弄的這個(gè)xml文件，就是opencv在GitHub上共享出來(lái)的具有普適的訓(xùn)練好的數(shù)據(jù)。我們可以直接的拿來(lái)使用。

訓(xùn)練數(shù)據(jù)參考地址：

https://github.com/opencv/opencv/tree/master/data/haarcascades

探測(cè)人臉

說(shuō)白了，就是根據(jù)訓(xùn)練的數(shù)據(jù)來(lái)對(duì)新圖片進(jìn)行識(shí)別的過(guò)程。

import cv2

# 探測(cè)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里面參數(shù)的值，來(lái)達(dá)到不同精度下的識(shí)別。返回值就是opencv對(duì)圖片的探測(cè)結(jié)果的體現(xiàn)。

處理人臉探測(cè)的結(jié)果

結(jié)束了剛才的人臉探測(cè)，我們就可以拿到返回值來(lái)做進(jìn)一步的處理了。但這也不是說(shuō)會(huì)多么的復(fù)雜，無(wú)非添加點(diǎn)特征值罷了。

import cv2

print "發(fā)現(xiàn){0}個(gè)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)

實(shí)例

有了剛才的基礎(chǔ)，我們就可以完成一個(gè)簡(jiǎn)單的人臉識(shí)別的小例子了。

圖片素材

下面的這張圖片將作為我們的檢測(cè)依據(jù)。

人臉檢測(cè)代碼

# coding:utf-8

import sys

 

reload(sys)

sys.setdefaultencoding('utf8')

#  __author__ = '郭 璞'

#  __date__ = '2016/9/5'

#  __Desc__ = 人臉檢測(cè)小例子，以圓圈圈出人臉

import cv2

# 待檢測(cè)的圖片路徑

imagepath = r'./heat.jpg'

 

# 獲取訓(xùn)練好的人臉的參數(shù)數(shù)據(jù)，這里直接從GitHub上使用默認(rèn)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(cè)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(fā)現(xiàn){0}個(gè)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)

人臉檢測(cè)結(jié)果

輸出圖片：