下午的時候，配好了OpenCV的Python環境，OpenCV的Python環境搭建。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
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的重要性便體現出來了。就本例而言，使用到的函數很少，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。
|
1
2
|
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。
|
1
2
|
import cv2gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) |
畫圖
opencv 的強大之處的一個體現就是其可以對圖片進行任意編輯，處理。
下面的這個函數最后一個參數指定的就是畫筆的大小。
|
1
2
|
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。
|
1
2
|
import cv2cv2.imshow("Image Title",image) |
獲取人臉識別訓練數據
看似復雜，其實就是對于人臉特征的一些描述，這樣opencv在讀取完數據后很據訓練中的樣品數據，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。
|
1
2
|
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據。我們可以直接的拿來使用。
訓練數據參考地址：
https://github.com/opencv/opencv/tree/master/data/haarcascades
探測人臉
說白了，就是根據訓練的數據來對新圖片進行識別的過程。
|
1
2
3
4
5
6
7
8
9
10
11
|
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。
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。
|
1
2
3
4
5
6
|
import cv2print "發現{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。
人臉檢測代碼
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
|
# coding:utf-8import 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數據，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 "發現{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
發現3個人臉!
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持服務器之家。
原文鏈接：http://www.cnblogs.com/hanson1/p/7105265.html
