前言

隨著科技的發展，人臉識別技術在許多領域得到的非常廣泛的應用，手機支付、銀行身份驗證、手機人臉解鎖等等。

識別

廢話少說，這裏我們使用 opencv 中自帶了 haar人臉特征分類器，利用訓練好的 haar 特征的 xml 文件，在圖片上檢測出人臉的坐標，利用這個坐標，我們可以將人臉區域剪切保存，也可以在原圖上將人臉框出。

代碼實現：

# -*-coding:utf8-*-#
import os
import cv2
from PIL import Image, ImageDraw
from datetime import datetime

"""
分類器 https://github.com/opencv/opencv/tree/master/data/haarcascades
安裝模塊：pip install Pillow   pip install opencv-python
公眾號：pythonjks
 
"""


def detectFaces(image_name):
    img = cv2.imread(image_name)
    face_cascade = cv2.CascadeClassifier(os.getcwd()+"\\haarcascade\\haarcascade_frontalface_alt.xml")
    if img.ndim == 3:
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    else:
        gray = img  # if語句：如果img維度為3，說明不是灰度圖，先轉化為灰度圖gray，如果不為3，也就是2，原圖就是灰度圖
 


    faces = face_cascade.detectMultiScale(gray, 1.2, 5)  # 1.3和5是特征的最小、最大檢測窗口，它改變檢測結果也會改變
    result = []
    for (x, y, width, height) in faces:
        result.append((x, y, x + width, y + height))
    return result


# 保存人臉圖
def saveFaces(image_name):
    faces = detectFaces(image_name)
    
 
if faces:
        # 將人臉保存在save_dir目錄下。
        # Image模塊：Image.open獲取圖像句柄，crop剪切圖像(剪切的區域就是detectFaces返回的坐標)，save保存。
        save_dir = image_name.split(‘.‘)[0] + "_faces"
        os.mkdir(save_dir)
        count = 0
        for (x1, y1, x2, y2) in faces:
            file_name = os.path.join(save_dir, str(count) + ".jpg")
            Image.open(image_name).crop((x1, y1, x2, y2)).save(file_name)
            count += 1


if __name__ == ‘__main__‘:
    time1 = datetime.now()
    result = detectFaces(os.getcwd()+"\\images\\gaoyuanyuan.jpg")
    time2 = datetime.now()
    print("耗時：" + str(time2 - time1))
    if len(result) > 0:
        print("有人存在！！---》人數為：" + str(len(result)))
    else:
        print(‘視頻圖像中無人！！‘)

    drawFaces(os.getcwd()+"\\images\\", "hanxue.jpg")
    saveFaces(os.getcwd()+"\\images\\gaoyuanyuan.jpg")

識別效果圖：

多人識別效果：

經過測試，最終選用了 haarcascade_frontalface_alt.xml 做人臉識別，識別率最高。

人臉檢測分類器對比：

Python學習經典案例：人臉檢測