[转]7行Python代码的人脸识别

http://www.javashuo.com/article/p-doudxqdf-co.html

 

随着去年alphago 的震撼表现，AI 再次成为科技公司的宠儿。AI涉及的领域众多，图像识别中的人脸识别是其中一个有趣的分支。百度的BFR，Face++的开放平台，汉王，讯飞等等都提供了人脸识别的API，对于老码农而言，本身写一小段代码，来看看一张图片中有几我的，没有高大上，只是以为好玩，并且只须要7行代码。

import cv2

face_patterns = cv2.CascadeClassifier(r'/usr/local/opt/opencv3/share/OpenCV/haarcascades/haarcascade_frontalface_default.xml')

sample_image = cv2.imread(r'/Users/abel/201612.jpg')

faces = face_patterns.detectMultiScale(sample_image,scaleFactor=1.1,minNeighbors=5,minSize=(100, 100))

for (x, y, w, h) in faces:
    cv2.rectangle(sample_image, (x, y), (x+w, y+h), (0, 255, 0), 2)

cv2.imwrite(r'/Users/abel/201612_detected.png', sample_image);

 

第1行 引入 OpenCV

开源是伟大的，使咱们视野更开阔，并且不用重复造轮子。这里没有用PIL，再结合特定算法，而是直接使用了OpenCV(http://opencv.org)。OpenCV是一个基于BSD许可发行的跨平台计算机视觉库，能够运行在Linux、Windows和Mac OS操做系统上，轻量并且高效，用C／C++编写，同时提供了Python、Ruby、MATLAB等接口，实现了图像处理和计算机视觉方面的不少通用算法。

第2行 加载分类器 cv2.CascadeClassifier

CascadeClassifier是Opencv中作人脸检测时候的一个级联分类器，该类中封装的是目标检测机制即滑动窗口机制+级联分类器的方式。数据结构包括Data和FeatureEvaluator两个主要部分。Data中存储的是从训练得到的xml文件中载入的分类器数据；而FeatureEvaluator中是关于特征的载入、存储和计算。这里采用的训练文件是OpenCV中默认提供的haarcascade_frontalface_default.xml。至于Haar，LBP的具体原理，能够参考opencv的相关文档，简单地，能够理解为人脸的特征数据。

第3行 加载目标图片 imread

人脸识别系统通常分为：人脸图像采集、人脸图像预处理、人脸图像特征提取以及匹配与识别。 简化起见，之间读入图片，这是一张去年中生代北京闭门会的集体照。 

第4行 多尺度检测 detectMultiScale

调用 CascadeClassifier 中的调detectMultiScale函数进行多尺度检测，多尺度检测中会调用单尺度的方法detectSingleScale。 
参数说明：

• scaleFactor 是 图像的缩放因子
• minNeighbors 为每个级联矩形应该保留的邻近个数，能够理解为一我的周边有几我的脸
• minSize 是检测窗口的大小

这些参数都是能够针对图片进行调整的，处理结果返回一我的脸的矩形对象列表。

第5行 和 第6行 为每一个人脸画一个框

循环读取人脸的矩形对象列表，得到人脸矩形的坐标和宽高， 而后在原图片中画出该矩形框，调用的是OpenCV的rectangle 方法，其中矩形框的颜色等是可调整的。

第7行 保存检测后的结果

万事具有了，调用imwrite，将检测后的结果保存到指定的位置。结果图以下： 

神秘感不是这7行代码，而是OpenCV中的相关实现，OpenCV的中文网也是一个学习体会的好场所。

所以，7行代码只是个噱头，真正的核心是OpenCV。而后，安装OpenCV环境的时候就是有一些坑，特别记录一下。