OpenCV + Python 人臉檢測
-
- 必備知識
- Haar-like
- opencv api
- 讀取圖片
- 灰度轉換
- 畫圖
- 顯示圖像
- 獲取人臉識別訓練數據
- 探測人臉
- 處理人臉探測的結果
- 實例
- 圖片素材
- 人臉檢測代碼
- 人臉檢測結果
- 總結
- 必備知識
下午的時候,配好了OpenCV的Python環境,OpenCV的Python環境搭建。於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,就必須先知道其能幹什麽,怎麽做。於是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。
import cv2
image = cv2.imread(imagepath)
- 1
- 2
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 cv2
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
- 1
- 2
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。
下面的這個函數最後一個參數指定的就是畫筆的大小。
import cv2
cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)
- 1
- 2
顯示圖像
編輯完的圖像要麽直接的被顯示出來,要麽就保存到物理的存儲介質。
import cv2
cv2.imshow("Image Title",image)
- 1
- 2
獲取人臉識別訓練數據
看似復雜,其實就是對於人臉特征的一些描述,這樣opencv在讀取完數據後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。
import cv2
face_cascade = cv2.CascadeClassifier(r‘./haarcascade_frontalface_default.xml‘ )
- 1
- 2
- 3
裏賣弄的這個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
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。
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
)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
我們可以隨意的指定裏面參數的值,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。但這也不是說會多麽的復雜,無非添加點特征值罷了。
import cv2
# ···
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)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
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
# 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數據,這裏直接從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)
- 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
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!
- 1
- 2
- 3
詳情見 案例參考
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,重點在於訓練數據的使用和人臉探測的處理。
再分享一下我老師大神的人工智能教程吧。零基礎!通俗易懂!風趣幽默!還帶黃段子!希望你也加入到我們人工智能的隊伍中來!https://blog.csdn.net/jiangjunshow
OpenCV + Python 人臉檢測