下午的時候,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單的描述,如:眼睛要比臉頰顏色要深,鼻梁兩側比鼻梁顏色要深,嘴巴比周圍顏色要深等。

opencv api

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

如下:

讀取圖片

只需要給出待操作的圖片的路徑即可。

import cv2image = 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 cv2gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

畫圖

opencv 的強大之處的一個體現(xiàn)就是其可以對圖片進行任意編輯,處理。 下面的這個函數(shù)最后一個參數(shù)指定的就是畫筆的大小。

import cv2cv2.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,要么就保存到物理的存儲介質。

import cv2cv2.imshow("Image Title",image)

獲取人臉識別訓練數(shù)據(jù)

看似復雜,其實就是對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,進而對圖片進行人臉識別。

import cv2face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')

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

訓練數(shù)據(jù)參考地址:

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

探測人臉

說白了,就是根據(jù)訓練的數(shù)據(jù)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里面參數(shù)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(xiàn)。

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。但這也不是說會多么的復雜,無非添加點特征值罷了。

import cv2

print "發(fā)現(xiàn){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)

實例

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。

圖片素材

下面的這張圖片將作為我們的檢測依據(jù)。

人臉檢測代碼

# 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參數(shù)數(shù)據(jù),這里直接從GitHub上使用默認值

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(fā)現(xiàn){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)

人臉檢測結果

輸出圖片:

輸出結果:

D:\Software\Python2\python.exe E:/Code/Python/DataStructor/opencv/Demo.py發(fā)現(xiàn)3個人臉!

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,重點在于訓練數(shù)據(jù)的使用和人臉探測的處理。

下午的時候,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一下opencv的人臉識別,如下文。

原文標題:手把手教你如何用 OpenCV + Python 實現(xiàn)人臉識別

文章出處:【微信號:worldofai,微信公眾號:人工智能】歡迎添加關注!文章轉載請注明出處。