【Raspberry Pi 3试用体验】+Opencv+python的人脸识别

//本文内容来自StarSight，欢迎访问。

上次安装了opencv库，这次我们来使用一下。

安装PIL库

sudo pip install pil

import os

from PIL import Image, ImageDraw

import cv

def detect_object(image):

    '''检测图片，获取人脸在图片中的坐标'''

    grayscale = cv.CreateImage((image.width, image.height), 8, 1)

    cv.CvtColor(image, grayscale, cv.CV_BGR2GRAY)

    cascade = cv.Load("/usr/local/opencv-2.4.9/data/haarcascades/haarcascade_frontalface_alt_tree.xml")

    rect = cv.HaarDetectObjects(grayscale, cascade, cv.CreateMemStorage(), 1.1, 2,

        cv.CV_HAAR_DO_CANNY_PRUNING, (20,20))

    result = []

    for r in rect:

        result.append((r[0][0], r[0][1], r[0][0]+r[0][2], r[0][1]+r[0][3]))

    return result

def process(infile):

    '''在原图上框出头像并且截取每个头像到单独文件夹'''

    image = cv.LoadImage(infile);

    if image:

        faces = detect_object(image)

    im = Image.open(infile)

    path = os.path.abspath(infile)

    save_path = os.path.splitext(path)[0]+"_face"

    try:

        os.mkdir(save_path)

    except:

        pass

    if faces:

        draw = ImageDraw.Draw(im)

        count = 0

        for f in faces:

            count += 1

            draw.rectangle(f, outline=(255, 0, 0))

            a = im.crop(f)

            file_name = os.path.join(save_path,str(count)+".jpg")

     #       print file_name

            a.save(file_name)

        drow_save_path = os.path.join(save_path,"out.jpg")

        im.save(drow_save_path, "JPEG", quality=80)

    else:

        print "Error: cannot detect faces on %s" % infile

if __name__ == "__main__":

    process("kobe.jpg")

接下来只要运行python xx.py

过一会，如果图片内有人的话生成一个文件夹，里面有一张人脸的截图和一张人脸的标识图。

以下为示例：







接下来用一下摄像头：

sudo apt-get install fswebcam

sudo fswebcam --device /dev/video0  a.jpg

在 process(“kobe.jpg”) 前面加一句:

os.system("fswebcam --device /dev/video0 /home/pi/Desktop/kobe.jpg")

看一下效果：





光线不好还是能认出来，说明opencv自带的分类器算开源里面不错的了~

参考:
Tigerboard开发板试用体验
python+opencv的人脸识别 
NanoPi2试用体验 简单人脸识别-结项