OpenCV + Python 人脸检测
2016-09-05 20:16
357 查看
必备知识
Haar-like
opencv api
读取图片
灰度转换
画图
显示图像
获取人脸识别训练数据
探测人脸
处理人脸探测的结果
实例
图片素材
人脸检测代码
人脸检测结果
总结
下午的时候,配好了OpenCV的Python环境,OpenCV的Python环境搭建。于是迫不及待的想体验一下opencv的人脸识别,如下文。
Haar特征值反映了图像的灰度变化情况。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。
如下:
下面的这个函数最后一个参数指定的就是画笔的大小。
里卖弄的这个xml文件,就是opencv在GitHub上共享出来的具有普适的训练好的数据。我们可以直接的拿来使用。
训练数据 参考地址
我们可以随意的指定里面参数的值,来达到不同精度下的识别。返回值就是opencv对图片的探测结果的体现。
输出结果:
详情见 案例参考
Haar-like
opencv api
读取图片
灰度转换
画图
显示图像
获取人脸识别训练数据
探测人脸
处理人脸探测的结果
实例
图片素材
人脸检测代码
人脸检测结果
总结
下午的时候,配好了OpenCV的Python环境,OpenCV的Python环境搭建。于是迫不及待的想体验一下opencv的人脸识别,如下文。
必备知识
Haar-like
Haar-like百科释义。通俗的来讲,就是作为人脸特征即可。Haar特征值反映了图像的灰度变化情况。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,怎么做。于是API的重要性便体现出来了。就本例而言,使用到的函数很少,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。如下:
读取图片
只需要给出待操作的图片的路径即可。import cv2 image = cv2.imread(imagepath)
灰度转换
灰度转换的作用就是:转换成灰度的图片的计算强度得以降低。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可以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,就可以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上共享出来的具有普适的训练好的数据。我们可以直接的拿来使用。
训练数据 参考地址
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 )
我们可以随意的指定里面参数的值,来达到不同精度下的识别。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,我们就可以拿到返回值来做进一步的处理了。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}个人脸!".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,我们就可以完成一个简单的人脸识别的小例子了。图片素材
下面的这张图片将作为我们的检测依据。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}个人脸!".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个人脸!
详情见 案例参考
总结
回顾一下,这次的实验就是简单的对opencv的常用的api的使用,重点在于训练数据的使用和人脸探测的处理。相关文章推荐
- python+OpenCV进行人脸检测【转】
- Python-OpenCV人脸检测(代码)
- Python_人脸检测 (dlib库检测与opencv检测效果对比 含代码)
- Python-OpenCV人脸检测---直接调用训练好的Harr特征
- 基于OpenCV的人脸检测——C++和Python实现
- python中使用OpenCV进行人脸检测的例子
- OpenCV实践之路——用dlib库进行人脸检测与人脸标记(Python)
- 人脸检测原理及示例(OpenCV+Python) haar特征 adaboost
- python 调用摄像头,基于opencv 的人脸检测实现
- 【OpenCV】简单的Python实现人脸检测
- python中使用OpenCV进行人脸检测的例子
- opencv-python学习一--人脸检测
- python结合opencv实现人脸检测与跟踪
- Python-OpenCV人脸检测(代码)
- 【转】OpenCV--锁定老帖子 主题:人脸检测原理及示例(OpenCV+Python)
- python+OpenCV进行人脸检测
- Python-OpenCV人脸检测(代码)
- 基础知识(七)opencv、python、人脸框检测
- 利用opencv,dlib,python编写人脸检测程序
- Python利用OpenCV实现人脸检测