一篇文章教你如何使用 OpenCV + Python 實現人臉識別

配好了OpenCV的Python環境，OpenCV的Python環境搭建。因而火燒眉毛的想體驗一下opencv的人臉識別，以下文。

必備知識

Haar-like

Haar-like百科釋義。通俗的來說，就是做爲人臉特徵便可。

Haar特徵值反映了圖像的灰度變化狀況。例如：臉部的一些特徵能由矩形特徵簡單的描述，如：眼睛要比臉頰顏色要深，鼻樑兩側比鼻樑顏色要深，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麼，怎麼作。因而API的重要性便體現出來了。就本例而言，使用到的函數不多，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。

讀取圖片

只須要給出待操做的圖片的路徑便可。

import cv2
image = cv2.imread(imagepath)複製代碼

灰度轉換

灰度轉換的做用就是：轉換成灰度的圖片的計算強度得以下降。

import cv2
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)複製代碼

畫圖

opencv 的強大之處的一個體現就是其能夠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)複製代碼

顯示圖像

編輯完的圖像要麼直接的被顯示出來，要麼就保存到物理的存儲介質。

import cv2
cv2.imshow("Image Title",image)複製代碼

獲取人臉識別訓練數據看似複雜，其實就是對於人臉特徵的一些描述，這樣opencv在讀取完數據後很據訓練中的樣品數據，就能夠感知讀取到的圖片上的特徵，進而對圖片進行人臉識別。

import cv2
face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')複製代碼

裏賣弄的這個xml文件，就是opencv在GitHub上共享出來的具備普適的訓練好的數據。咱們能夠直接的拿來使用。

訓練數據參考地址：github.com/opencv/open…

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
)複製代碼

咱們能夠隨意的指定裏面參數的值，來達到不一樣精度下的識別。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

結束了剛纔的人臉探測，咱們就能夠拿到返回值來作進一步的處理了。但這也不是說會多麼的複雜，無非添加點特徵值罷了。

import cv2

print "發現{0}我的臉!".format(len(faces))

for(x,y,w,h) in faces:
   cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)複製代碼

實例

有了剛纔的基礎，咱們就能夠完成一個簡單的人臉識別的小例子了。

下面的這張圖片將做爲咱們的檢測依據。

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}我的臉!".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)複製代碼

輸出圖片：

輸出結果：

D:\Software\Python2\python.exe E:/Code/Python/DataStructor/opencv/Demo.py
發現3我的臉!

詳情見：案例參考

總結

回顧一下，此次的實驗就是簡單的對opencv的經常使用的api的使用，重點在於訓練數據的使用和人臉探測的處理。

如有問題未能獲得解決，搜索887934385交流羣，最後，感謝觀看！