基于opencv实现人脸识别案例

大家好，欢迎来到IT知识分享网。

一、基础

我们使用机器学习的方法完成人脸检测，首先需要大量的正样本图像（面部图像）和负样本图像（不含面部的图像）来训练分类器。我们需要从其中提取特征。下图中的 Haar 特征会被使用，就像我们的卷积核，每一个特征是一个值，这个值等于黑色矩形中的像素值之后减去白色矩形中的像素值之和。

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，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。

Haar特征可用于于图像任意位置，大小也可以任意改变，所以矩形特征值是矩形模版类别、矩形位置和矩形大小这三个因素的函数。故类别、大小和位置的变化，使得很小的检测窗口含有非常多的矩形特征。

得到图像的特征后，训练一个决策树构建的adaboost级联决策器来识别是否为人脸。

二、实现

OpenCV中自带已训练好的检测器，包括面部，眼睛，猫脸等，都保存在XML文件中，我们可以通过以下程序找到他们：

import cv2 as cv print(cv.__file__)

找到的文件如下所示：

那我们就利用这些文件来识别人脸，眼睛等。检测流程如下：

1. 读取图片，并转换成灰度图
2. 实例化人脸和眼睛检测的分类器对象
3. # 实例化级联分类器 classifier =cv.CascadeClassifier( “haarcascade_frontalface_default.xml” ) # 加载分类器 classifier.load(‘haarcascade_frontalface_default.xml’)
4. 进行人脸和眼睛的检测
5. rect = classifier.detectMultiScale(gray, scaleFactor, minNeighbors, minSize,maxsize)
6. 参数：
7. Gray: 要进行检测的人脸图像
8. scaleFactor: 前后两次扫描中，搜索窗口的比例系数
9. minneighbors：目标至少被检测到minNeighbors次才会被认为是目标
10. minsize和maxsize: 目标的最小尺寸和最大尺寸
11. 将检测结果绘制出来就可以了。

主程序如下所示：

import cv2 as cv import matplotlib.pyplot as plt # 1.以灰度图的形式读取图片 img = cv.imread("16.jpg") gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY) # 2.实例化OpenCV人脸和眼睛识别的分类器 face_cas = cv.CascadeClassifier( "haarcascade_frontalface_default.xml" ) face_cas.load('haarcascade_frontalface_default.xml') eyes_cas = cv.CascadeClassifier("haarcascade_eye.xml") eyes_cas.load("haarcascade_eye.xml") # 3.调用识别人脸 faceRects = face_cas.detectMultiScale( gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32)) for faceRect in faceRects: x, y, w, h = faceRect # 框出人脸 cv.rectangle(img, (x, y), (x + h, y + w),(0,255,0), 3) # 4.在识别出的人脸中进行眼睛的检测 roi_color = img[y:y+h, x:x+w] roi_gray = gray[y:y+h, x:x+w] eyes = eyes_cas.detectMultiScale(roi_gray) for (ex,ey,ew,eh) in eyes: cv.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2) # 5. 检测结果的绘制 plt.figure(figsize=(8,6),dpi=100) plt.imshow(img[:,:,::-1]),plt.title('检测结果') plt.xticks([]), plt.yticks([]) plt.show()

结果：

我们也可在视频中对人脸进行检测：

import cv2 as cv import matplotlib.pyplot as plt # 1.读取视频 cap = cv.VideoCapture("movie.mp4") # 2.在每一帧数据中进行人脸识别 while(cap.isOpened()): ret, frame = cap.read() if ret==True: gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY) # 3.实例化OpenCV人脸识别的分类器 face_cas = cv.CascadeClassifier( "haarcascade_frontalface_default.xml" ) face_cas.load('haarcascade_frontalface_default.xml') # 4.调用识别人脸 faceRects = face_cas.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32)) for faceRect in faceRects: x, y, w, h = faceRect # 框出人脸 cv.rectangle(frame, (x, y), (x + h, y + w),(0,255,0), 3) cv.imshow("frame",frame) if cv.waitKey(1) & 0xFF == ord('q'): break # 5. 释放资源 cap.release() cv.destroyAllWindows()

三、总结

opencv中人脸识别的流程是：

1. 读取图片，并转换成灰度图
2. 实例化人脸和眼睛检测的分类器对象

# 实例化级联分类器 classifier =cv.CascadeClassifier( "haarcascade_frontalface_default.xml" ) # 加载分类器 classifier.load('haarcascade_frontalface_default.xml')

1. 进行人脸和眼睛的检测

rect = classifier.detectMultiScale(gray, scaleFactor, minNeighbors, minSize,maxsize) 

1. 将检测结果绘制出来就可以了。

我们也可以在视频中进行人脸识别