最近疫情被隔離在家，準(zhǔn)備研究一下python的機(jī)器學(xué)習(xí)，看了一些資料。也逛了逛論壇。

機(jī)器學(xué)習(xí)的實(shí)例真是太多了，讓人眼花繚亂，更加懵逼了。通俗來說，主要兩個(gè)方面，比較淺層次的就是機(jī)器學(xué)習(xí)，最后才是深度學(xué)習(xí)。

主要過程就是通過一定的算法來訓(xùn)練大量的數(shù)據(jù)產(chǎn)生一個(gè)數(shù)據(jù)模型，最后再利用這個(gè)模型來分析或計(jì)算出出最接近于實(shí)際情況的結(jié)果。

大概理解了意思之后，我就不再去深究了，直接搞個(gè)實(shí)例來試試看什么效果。至于更深層級(jí)的東西，我比較喜歡在實(shí)戰(zhàn)中慢慢體會(huì)。

1、準(zhǔn)備

今天實(shí)踐的是python中的opencv這個(gè)庫(kù)，至于這個(gè)庫(kù)官方肯定比我解釋的更加準(zhǔn)確，下面是官方的解釋。

OpenCV是一個(gè)基于Apache2.0許可（開源）發(fā)行的跨平臺(tái)計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)軟件庫(kù)，可以運(yùn)行在Linux、Windows、Android和Mac OS操作系統(tǒng)上。

沒有opencv環(huán)境的將opencv先安裝一下，為避免版本不一樣導(dǎo)致出現(xiàn)問題，我這里在安裝命令中將版本號(hào)寫了出來。

pip install opencv-python==4.6.0.66

python解釋器使用的版本是3.8.6，我這里測(cè)試使用的是這兩個(gè)版本是沒有問題的。

2、代碼

下面是整個(gè)業(yè)務(wù)的實(shí)現(xiàn)過程，haarcascade_frontalface_default.xml訓(xùn)練模型我是直接在girhub上面下載的。所以這里并沒有對(duì)數(shù)據(jù)訓(xùn)練的實(shí)現(xiàn)，使用的是別人訓(xùn)練好的模型。

后面的學(xué)習(xí)中，我會(huì)慢慢訓(xùn)練出自己的模型來使用，其實(shí)不用自己訓(xùn)練數(shù)據(jù)模型的話代碼量還是比較少的。下面是github的訓(xùn)練模型的下載地址，目前已經(jīng)2100多的star了。

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

下載好訓(xùn)練模型之后放在自己本地，一會(huì)在調(diào)用訓(xùn)練模型的時(shí)候直接調(diào)用就OK了。導(dǎo)入opencv模塊，注意這里導(dǎo)入的名稱是cv2。

import cv2

獲取訓(xùn)練好的數(shù)據(jù)模型（haarcascade_frontalface_default.xml這就是我們前面從github上面下載的）。

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

讀取需要分析的原始圖片。

image = cv2.imread(r'./pic.jpg')

對(duì)讀取的pic.jpg圖片做灰度處理。

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

識(shí)別檢測(cè)一下women.jpeg圖片中的人臉的個(gè)數(shù)是多少個(gè)。

faces = face_cascade.detectMultiScale(

    gray,

    scaleFactor=1.15,

    minNeighbors=5,

    minSize=(5, 5),

    flags=cv2.CASCADE_SCALE_IMAGE

)

這時(shí)實(shí)際上已經(jīng)檢測(cè)完成了，使用len函數(shù)計(jì)算一下檢測(cè)出的人臉個(gè)數(shù)。

print("當(dāng)前圖片中共發(fā)現(xiàn){}張人臉".format(len(faces)))

檢測(cè)出的人臉的信息都存在faces的數(shù)組中，遍歷一下人臉信息做處理。

for (x, y, w, h) in faces:

    # 在識(shí)別出的人臉部位畫上圓圈

    cv2.circle(image, (int((x + x + w) / 2), int((y + y + h) / 2)), int(w / 2), (0, 255, 0), 2)

顯示識(shí)別出的人臉位置。

cv2.imshow("Face Nums", image)

cv2.waitKey(0)

至此，通過機(jī)器學(xué)習(xí)做的一個(gè)簡(jiǎn)單的人臉識(shí)別的功能就完成了。

到此這篇關(guān)于Python實(shí)現(xiàn)檢測(cè)照片中的人臉數(shù)的文章就介紹到這了,更多相關(guān)Python檢測(cè)照片人臉內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論