手把手教你如何用

来源:板桥互联网平台 2019-07-16 17:25

手把手教你如何用 OpenCV + Python 实现人脸识别

按:本文作者郭璞,原文载于作者个人博客,(公众号:)已获授权。

下午的时候,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,简单的图像罢了。

如下:

读取图片

只需要给出待操作的图片的路径即可。

import cv2

image = read(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 = tColor(image,LOR_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,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

ctangle(image,(x,y),(x+w,y+w),(0,255,0),2)

显示图像

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

show(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 = scadeClassifier(r./haarcascade_frontalface_l)

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:

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_tectMultiScale(

gray,

scaleFactor = 1.15,

minNeighbors = 5,

minSize = (5,5),

flags = _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:

ctangle(image,(x,y),(x+w,y+w),(0,255

手把手教你如何用

,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。

图片素材

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)

tdefaultencoding(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./g

# 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 = scadeClassifier(r./haarcascade_frontalface_l)

# 读取图片

image = read(imagepath)

gray = tColor(image,LOR_BGR2GRAY)

# 探测图片中的人脸

faces = face_tectMultiScale(

gray,

scaleFactor = 1.15,

minNeighbors = 5,

minSize = (5,5),

flags = _HAAR_SCALE_IMAGE

)

print 发现{0}个人脸!.format(len(faces))

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

# ctangle(image,(x,y),(x+w,y+w),(0,255,0),2)

rcle(image,((x+x+w)/2,(y+y+h)/2),w/2,(0,255,0),2)

show(Find Faces!,image)

itKey(0)

人脸检测结果

输出图片:

输出结果:

D:\Software\Python2\e E:/Code/Python/DataStructor/opencv/

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。

TensorFlow 神经络算法高级应用班” 要开课啦!从初级到高级,理论 + 实战,一站式深度了解 TensorFlow!

本课程面向深度学习开发者,讲授如何利用 TensorFlow 解决图像识别、文本分析等具体问题。课程跨度为 10 周,将从 TensorFlow 的原理与基础实战技巧开始,一步步教授学员如何在 TensorFlow 上搭建 CNN、自编码、RNN、GAN 等模型,并最终掌握一整套基于 TensorFlow 做深度学习开发的专业技能。

两名授课老师佟达、白发川身为 ThoughtWorks 的资深技术专家,具有丰富的大数据平台搭建、深度学习系统开发项目经验。

时间:每周二、四晚 20::00

开课时长:总学时 20 小时,分 10 周完成,每周 2 次,每次 1 小时

线上授课地址:

老板来了:人脸识别 + 推送,老板来了你立刻知道!

继LFW之后,腾讯优图又在难度更大的人脸识别库MegaFace中获得全球第一

33岁男子如何发现自己被拐真相?除了川式烤鱼,还有人脸识别技术

版权文章,未经授权禁止转载。详情见转载须知。