手把手教你如何用 OpenCV + Python 实现人脸识别

下午的时候，配好了OpenCV的Python环境，OpenCV的Python环境搭建。因而火烧眉毛的想体验一下opencv的人脸识别，以下文。

  必备知识

Haar-like

通俗的来说，就是做为人脸特征便可。

Haar特征值反映了图像的灰度变化状况。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，怎么作。因而API的重要性便体现出来了。就本例而言，使用到的函数不多，也就普通的读取图片，灰度转换，显示图像，简单的编辑图像罢了。

以下：

读取图片

只须要给出待操做的图片的路径便可。

import cv2
image = cv2.imread(imagepath)

灰度转换

灰度转换的做用就是：转换成灰度的图片的计算强度得以下降。

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

画图

opencv 的强大之处的一个体现就是其能够对图片进行任意编辑，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
cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)

显示图像

编辑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
cv2.imshow("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，就能够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 = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')

里卖弄的这个xml文件，就是opencv在GitHub上共享出来的具备普适的训练好的数据。咱们能够直接的拿来使用。

训练数据参考地址：

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

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_cascade.detectMultiScale(
   gray,
   scaleFactor = 1.15,
   minNeighbors = 5,
   minSize = (5,5),
   flags = cv2.cv.CV_HAAR_SCALE_IMAGE
)

咱们能够随意的指定里面参数的值，来达到不一样精度下的识别。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，咱们就能够拿到返回值来作进一步的处理了。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}我的脸!".format(len(faces))

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

  实例

有了刚才的基础，咱们就能够完成一个简单的人脸识别的小例子了。

图片素材

下面的这张图片将做为咱们的检测依据。 

人脸检测代码

# coding:utf-8

import sys

 

reload(sys)

sys.setdefaultencoding('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'./heat.jpg'

 

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

 

# 读取图片

image = cv2.imread(imagepath)

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

 

# 探测图片中的人脸

faces = face_cascade.detectMultiScale(

    gray,

    scaleFactor = 1.15,

    minNeighbors = 5,

    minSize = (5,5),

    flags = cv2.cv.CV_HAAR_SCALE_IMAGE

)

 

print "发现{0}我的脸!".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)

人脸检测结果

输出图片： 

输出结果：

D:\Software\Python2\python.exe E:/Code/Python/DataStructor/opencv/Demo.py发现3我的脸!