2024年Python最全Python Opencv的人脸检测和人脸识别_cv2

cv2.imwrite(‘grey.jpg’, grey)

显示灰度转换后的图像

cv2.imshow(‘grey’, grey)

等待键盘输入

cv2.waitKey(0)

销毁窗口

cv2.destroyAllWindows()

![图片](https://img-blog.csdnimg.cn/img_convert/208bbef0d86ab4e48ea4447d785a9163.png)


 


![图片](https://img-blog.csdnimg.cn/img_convert/5c1df4894f78282a76656b85f7a5522a.png)


### **1.3、绘制图形**


后续在检测人脸的时候，我们会绘制图形，将人脸框起来。图形的绘制也非常简单.

import cv2

读取图像

im = cv2.imread(‘./zxc/15.jpg’)

在图像im上绘制矩形

“”"
第一个参数为ndarray对象
第二个参数为左上角的坐标(x1, y1)
第三个参数为右下角的坐标(x2, y2)
第四个参数为颜色值，其顺序不同于我们之前的，使用的是BGR
第五个参数为线条宽度
“”"
cv2.rectangle(im, (220, 100), (380, 250), (255, 255, 0), 2)

显示图像

cv2.imshow(‘im’, im)

等待输入

cv2.waitKey(0)

销毁窗口

cv2.destroyAllWindows()

![图片](https://img-blog.csdnimg.cn/img_convert/e46771f89dc2afebb3b71a7734977688.png)


## **二、人脸检测**


### **2.1、获取特征数据**


开始人类检测之前，我们要先获取一个特征数据。在opencv安装目录中，cv2/data文件夹，进入该文件夹后，里面全是特征文件，我们一般选用haarcascade\_frontalface\_default.xml。


 


**2.1、检测人脸**


我们可以把特征文件复制到我们项目下，也可以直接用绝对路径引用。cv2.CascadeClassifier对象可以用来检测人脸

face_detector = cv2.CascadeClassifier(‘haarcascade_frontalface_default.xml’)

其中，传入参数为特征文件的路径。我们可以选择相对路径，也可以选择绝对路径。完整人类检测代码如下：​​​​​​​

import cv2# 加载特征数据face_detector = cv2.CascadeClassifier(‘haarcascade_frontalface_default.xml’)# 读取图片im = cv2.imread(‘./zxc/2.jpg’)# 检测人脸，返回人脸的位置信息faces = face_detector.detectMultiScale(im)# 遍历人脸for x, y, w, h in faces: # 在人脸区域绘制矩形 cv2.rectangle(im, (x, y), (x+w, y+h), (255, 255, 0), 2)# 显示图像cv2.imshow(‘im’, im)cv2.waitKey(0)cv2.destroyAllWindows()

其中detectMultiScale方法返回一个数组对象，这个对象保存了n张人脸的左上角坐标、脸的宽、脸的高。检测效果如下：


![图片](https://img-blog.csdnimg.cn/img_convert/61069fa022df28c88f7bf61ed7572960.png)


**三、人脸识别**


**3.1、训练数据**


训练数据主要有两个部分，人脸信息和标签，其中标签为int列表。我在目录data中准备了钢铁侠和周星驰的图片，钢铁侠为1，周星驰为2。


![图片](https://img-blog.csdnimg.cn/img_convert/fa76f953f37c8376fbfd9c5e41f18fa4.png)


准备好图像后，我们就可以开始训练数据了，训练数据代码如下：

import cv2import osimport numpy
root_path = “./data/”
lables = []faces = []

def getFacesAndLabels(): “”“读取图片特征和标签”“” global root_path
# 获取人脸检测器 face_detector = cv2.CascadeClassifier(‘haarcascade_frontalface_default.xml’)
# 获取图片路径 folders = os.listdir(root_path) for folder in folders: path = os.path.join(root_path, folder) files = os.listdir(path) for file in files: # 读取图片 path1 = os.path.join(path, file) im = cv2.imread(path1) # 转换灰度 grey = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY) # 读取人脸数据 face = face_detector.detectMultiScale(grey) for x, y, w, h in face: # 设置标签，分离文件名称 lables.append(int(folder)) # 设置人脸数据 faces.append(grey[y:y + h, x:x + w])
return faces, lables

调用方法获取人脸信息及标签faces, labels = getFacesAndLabels()# 获取训练对象recognizer = cv2.face.LBPHFaceRecognizer_create()# 训练数据recognizer.train(faces, numpy.array(labels))# 保存训练数据recognizer.write(‘model.yml’)

### **3.2、人脸识别**


我们训练完数据后，就可以进行人脸识别了。在识别之前我们先加载训练数据，然后就是基本的人类检测步骤。最后我们调用predict方法进行人脸识别，在训练数据中匹配人物。


​​​​​​​​​​​​​​

import cv2

加载训练数据集recognizer = cv2.face.LBPHFaceRecognizer_create()recognizer.read(‘./model.yml’)

准备识别的图片im = cv2.imread(‘10.jpg’)grey = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)

检测人脸face_detector = cv2.CascadeClassifier(‘haarcascade_frontalface_default.xml’)face = face_detector.detectMultiScale(grey)

for x, y, w, h in face: cv2.rectangle(im, (x, y), (x + w, y + h), (0, 255, 0), 2)

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！