week2 人脸识别

任务 

在Windows10系统下，用python，在jupyter notebook 结合cv2、dlib、face_recognition、matplotlib.pyplot等库通过HOG或CNN算法进行人脸识别，人脸对齐和人脸匹配。

目录

Ⅰ.OpenCV、face_recogniton、dlib安装

Ⅱ.仅依赖于cv2人脸识别

Ⅲ.依赖于face_recognition的人脸识别

Ⅳ.人脸对齐

Ⅴ.人脸匹配 

---

Ⅰ.OpenCV、face_recogniton、dlib安装

在左下角搜索中输入cmd，调出命令指示符，分别输入以下几行代码，以安装各库。

pip install opencv-python

pip install dlib

pip install face_recognition

若有报错，根据报错提示进行操作，例如在安装后两个库时，报错提示必须在xx库基础上才能安装，如此，则先安装这个提示的库。

Ⅱ.仅依赖于cv2人脸识别

导入所需各库。

安装时叫做OpenCV，导入时叫cv2。

导入os模块，以修改并判断当前文件所在位置。

os.chdir()修改当前工作路径；os.getcwd()返回当前工作路径。

当前工作路径和当前文件路径无关。

import cv2
import os
import matplotlib.pyplot as plt
os.chdir("G:\大三上\各门课作业\python")
print(os.getcwd())

 定义一个函数detect。

cv2.CascadeClassifier()调用人脸识别分类器，根据OpenCV库所在位置找到目标识别依据的Haar特征分类器，包括眼睛、嘴巴、微笑等。此处以正脸为例。

cv2.imread(filepath,flags)读入图片。filepath为图片路径。flags为读入图片的方式，可省略。

flags一般分三种情况：

• cv2.IMREAD_COLOR：默认参数，读入一副彩色图片，忽略alpha通道
• cv2.IMREAD_GRAYSCALE：读入灰度图片
• cv2.IMREAD_UNCHANGED：读入完整图片，包括alpha通道

cv2.cvtColor()颜色转换：

• 灰度图像转换为彩色图像：cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)
• 彩色图像转换为灰度图像：cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

 face_cascade.detectMultiScale()参数：

• image：待检测图片(指定要查找人脸位置的图像矩阵，为numpy.ndarray），一般为灰度图像加快检测速度；
• objects：被检测物体的矩形框向量组；
• scaleFactor：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%;
• **minNeighbors：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；
• 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；
• minSize和maxSize：限制得到的目标区域的范围。

 此处的img_gray即待检测灰度图片；faces为识别出脸部的矩形框向量组，几张脸就有几个矩形框，向量组里就有几组向量。

def detect(filename):
    face_cascade=cv2.CascadeClassifier("F:\Python-3.8.2\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml")
    img=cv2.imread(filename)
    img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    faces=face_cascade.detectMultiScale(img_gray,1.1,3)
    print(faces)

for 循环，遍历faces矩形框向量组里每一组矩形（即每一张脸）。faces四个参数，按顺序分别矩形框的上边、后边、下边、左边边界的位置。

cv2.rectangle()各参数含义依次是：图片、矩形左上顶点位置、矩形右上顶点位置、颜色、矩形边框粗细

detect("beauty.jpg")调用函数detect。图片路径应与当前工作路径保持一致。

for(x,y,w