（项目笔记）opencv人脸识别

Raine_Yang

已于 2022-08-29 18:42:14 修改

阅读量4.2k

点赞数 4

分类专栏：实习记录文章标签： opencv 计算机视觉 python 图像处理人脸识别

于 2022-08-29 18:09:15 首次发布

本文链接：https://blog.csdn.net/Raine_Yang/article/details/126196873

版权

本文详细介绍了OpenCV中的人脸识别流程，包括Haar级联分类器的工作原理、人脸检测步骤、图像预处理、人脸截取。还提到了OpenCV的三种人脸识别方法：Fisherfaces、Eigenfaces和LBPH，并展示了如何训练和识别人脸数据模型。文章以代码实例展示了如何在Python中实现这一过程。

摘要由CSDN通过智能技术生成

Haar级联：

Haar特征：边缘特征，线性特征，中心环绕特征，对角线特征
在这里插入图片描述

这些特征组合为特征模板，特征模板里有白色和黑色矩形，模板特征即为白色矩形像素和减去黑色矩形像素和。

Haar 特征的提取简单说就是通过不断改变模版的大小、位置和类型，白色矩形区域像素和‘减去’黑色矩形区域像素和，以得到每种类型模版的大量子特征。

Haar特征提取需要大量重复计算各个像素，因此使用积分图可以很好减少计算量。积分图将图像以线性时间初始化（仅第二次遍历图像时），并可以通过矩形区域四个角的值，提供像素的总和
在这里插入图片描述

在此例中，如要知道ABCD面积，只需要将左上角作为基准，计算以下四部分面积，最后图3 - 图1 - 图2 - 图4即为ABCD面积

Haar 级联是一个基于 Haar 特征的级联分类器，级联分类器把弱分类器转换为强分类器

人脸识别流程：

人脸检测，图像采集：
加载人脸检测器
图像预处理（灰度化，直方图均衡化）
detectMultiscal识别
rectangle函数绘制矩形框
在原图截取人脸图像

人脸识别：
样本归一化
加载训练好的分类器
预测输入图像值
判断角色

人脸数据采集程序

注：单纯安装opencv-python没有包含人脸识别所使用函数，因为人脸识别函数还属于opencv测试版内容，稳定性还无法保证，因此没有放在常规发行版。要安装opencv-contrib-python

pip install opencv-contrib-python -i https://mirrors.aliyun.com/pypi/simple/

import cv2
import numpy as np
import os

def generate_img(dirname):
    face_cascade = cv2.CascadeClassifier('D:\\opencv\\data\\haarcascades\\haarcascade_frontalface_default.xml')
    if (not os.path.isdir(dirname)):
        os.makedirs(dirname)
    cap = cv2.VideoCapture(0)
    count = 0
    while True:
        ret,frame = cap.read()
        x,y = frame.shape[0:2]
        small_frame = cv2.resize(frame, (int(y/2), int(x/2)))
        result = small_frame.copy()
        gray = cv2.cvtColor(small_frame, cv2.COLOR_BGR2GRAY)
        faces = face_cascade.detectMultiScale(gray,1.3,5)
        for (x, y, w, h) in faces:
            result = cv2.rectangle(result, (x, y), (x + w, y + h), (255, 0, 0), 2)
            f = cv2.resize(gray[y: y + h, x: x + w], (200, 200))
            if count < 20:
                cv2.imwrite(dirname + '%s.pgm' % str(count), f)
                <