图像基础18 人脸辨识——人脸定位

*本文学习资源来自《机器学习实践指南 案例应用解析》 *

人脸辨识

生物特征识别(BIOMETRICS) 技术，是指通过计算机利用人体所固有的生理特征（指纹、虹膜、面相、DNA等）或行为特征(步态、击键习惯等)来进行个人身份鉴定的技术。
——百度百科
人脸识别属于生物特征识别技术中的一种。

人脸定位

OpenCV的接口可以实现人脸定位。

cvHaarDetectObjects是opencv1中的函数，opencv2中人脸检测使用的是 detectMultiScale函数。它可以检测出图片中所有的人脸，并将人脸用vector保存各个人脸的坐标、大小（用矩形表示），函数由分类器对象调用：

void detectMultiScale(  
    const Mat& image,  
    CV_OUT vector<Rect>& objects,  
    double scaleFactor = 1.1,  
    int minNeighbors = 3,   
    int flags = 0,  
    Size minSize = Size(),  
    Size maxSize = Size()  
);  

参数1：image–待检测图片，一般为灰度图像加快检测速度；
参数2：objects–被检测物体的矩形框向量组；
参数3：scaleFactor–表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%;
参数4：minNeighbors–表示构成检测目标的相邻矩形的最小个数(默认为3个)。
如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除。
如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框，
这种设定值一般用在用户自定义对检测结果的组合程序上；
参数5：flags–要么使用默认值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果设置为
CV_HAAR_DO_CANNY_PRUNING，那么函数将会使用Canny边缘检测来排除边缘过多或过少的区域，
因此这些区域通常不会是人脸所在区域；
参数6、7：minSize和maxSize用来限制得到的目标区域的范围。

代码

首先，下载OpenCV库：

https://github.com/opencv/opencv

代码1：

# -*- coding: utf-8 -*-
# coding=utf-8
import cv2

print ('loading...')
OPCV_PATH=r"D:/tools/opencv/sources"
color = (0, 0, 0)  # 设置人脸框的颜色

def findface(src):
    image = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
    cv2.equalizeHist(image, image)  # 灰度图像进行直方图等距化

    # 加载OpenCv的面部特征库
    classfier = cv2.CascadeClassifier(OPCV_PATH + "/data/haarcascades/haarcascade_frontalface_alt.xml")
    # 找到人脸的位置
    # 设定最小图像的大小
    divisor = 8
    h = image.shape[1]
    w = image.shape[0]
    minSize = (int(w / divisor), int(h / divisor))  # 这里加了一个取整函数
    faceRects = classfier.detectMultiScale(image, 1.2, 2, cv2.CASCADE_SCALE_IMAGE, minSize)

    if len(faceRects) > 0:  # 如果人脸数组长度大于0
        for faceRect in faceRects:  # 对每一个人脸画矩形框
            x, y, w, h = faceRect
            cv2.rectangle(image, (x, y), (x + w, y + h), color)
    cv2.imshow('img',image)

fn = 'test2.jpg'
my_img = cv2.imread(fn)

findface(my_img)

cv2.waitKey()
cv2.destroyAllWindows()

代码2：

# -*- coding: utf-8 -*-
# coding=utf-8

import cv2

# 待检测的图片路径
OPCV_PATH=r"D:/tools/opencv/sources"
imagepath = r'./test1.jpg'

# 加载面部特征库

face_cascade = cv2.CascadeClassifier(OPCV_PATH + "/data/haarcascades/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.CASCADE_SCALE_IMAGE)
print ("发现{0}个人脸!".format(len(faces)))

for (x, y, w, h) in faces:
    cv2.circle(image, (int((x + x + w) / 2), int((y + y + h) / 2)), int(w / 2), (0, 255, 0), 2)

cv2.imshow("Find Faces!", image)
cv2.waitKey(0)

[外链图片转存中…(img-uKpaAtzc-1574725803368)]

参考：
http://blog.sina.com.cn/s/blog_5562b0440102uw7g.html
http://blog.csdn.net/itismelzp/article/details/50379359
http://www.cnblogs.com/hanson1/p/7105265.html