OpenCV + Python 实现人脸识别
2017-11-17 14:26
931 查看
参考:
1、http://www.cnblogs.com/hanson1/p/7105265.html
2、https://github.com/opencv/opencv/tree/master/data/haarcascades
下面的这个函数最后一个参数指定的就是画笔的大小。
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:
https://github.com/opencv/opencv/tree/master/data/haarcascades
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。
1、http://www.cnblogs.com/hanson1/p/7105265.html
2、https://github.com/opencv/opencv/tree/master/data/haarcascades
Haar-like
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。读取图片
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')
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:
https://github.com/opencv/opencv/tree/master/data/haarcascades
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
# -*- coding: UTF-8 -*- """ opencv实现人脸识别 参考: 1、https://github.com/opencv/opencv/tree/master/data/haarcascades 2、http://www.cnblogs.com/hanson1/p/7105265.html """ import cv2 # 待检测的图片路径 imagepath="nba.jpg" image = cv2.imread(imagepath) gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) ''' # 获取人脸识别训练数据 对于人脸特征的一些描述,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。 xml数据下载, 参考:https://github.com/opencv/opencv/tree/master/data/haarcascades ''' face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml') # 探测人脸 # 根据训练的数据来对新图片进行识别的过程。 faces = face_cascade.detectMultiScale( gray, scaleFactor = 1.15, minNeighbors = 5, minSize = (5,5), #flags = cv2.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 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("image",image) cv2.waitKey(0) cv2.destroyAllWindows()
相关文章推荐
- python调用OpenCV实现人脸识别功能
- python+opencv实现的简单人脸识别代码示例
- Python + OpenCV 实现简单的人脸识别
- OpenCV3计算机视觉Python语言实现人脸识别笔记
- python下实现人脸识别(opencv2)
- 【图像识别】 Python+Opencv调用摄像头实现人脸识别并保存视频
- 25 行 Python 代码实现人脸识别——OpenCV
- python使用opencv实现人脸识别系统
- Python调用OpenCV实现人脸识别
- 基于python3 OpenCV3实现静态图片人脸识别
- python-opencv-人脸识别实现 从图片中扣人脸
- 静态图片人脸识别 OpenCV3,Python3实现
- 人脸检测及识别python实现系列(5)——利用keras库训练人脸识别模型
- python实现实时人脸识别
- 人脸识别opencv3.1 for python(基于LBH)
- opencv-python 学习笔记2:实现目光跟随(又叫人脸跟随)
- 图像识别 python+opencv的简单人脸识别
- python+svmlib+opencv实现图片验证码的自动识别
- dlib实现人脸识别-python
- 人脸检测及识别python实现系列(3)——为模型训练准备人脸数据