人脸识别学习记录

OpenCV完整代码

import cv2 as cv
import matplotlib
import matplotlib.pyplot as plt
# 设置字体为楷体
matplotlib.rcParams['font.sans-serif'] = ['KaiTi']
patha='D:\ProgramData\Anaconda3\envs\demo1\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml'
pathb='D:\ProgramData\Anaconda3\envs\demo1\Lib\site-packages\cv2\data\haarcascade_eye.xml'

# 读取图片
img = cv.imread("16.jpg")
# 转化为灰度图
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

# 2.实例化OpenCV人脸和眼睛检测的分类器
face_cas = cv.CascadeClassifier(patha)
face_cas.load(patha)

eyes_cas = cv.CascadeClassifier(pathb)
eyes_cas.load(pathb)
# 3.调用识别人脸
# gray要进行检测的人脸图像， scaleFactor前后两次扫描中搜索窗口的比例系数， minneighbors目标至少# 被检测次数才会认为是目标，minSize与maxSize用来限制目标的最小尺寸与最大尺寸
faceRects = face_cas.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))
# 如果有多个人脸每个都检测一遍
for faceRect in faceRects:
   # 当前人脸位置
    x, y, w, h = faceRect
    # 框出人脸
    cv.rectangle(img, (x, y), (x + h, y + w), (0, 255, 0), 3)
    # 4.在识别出的人脸中进行眼睛的检测
    roi_color = img[y:y + h, x:x + w]
    roi_gray = gray[y:y + h, x:x + w]
    eyes = eyes_cas.detectMultiScale(roi_gray)
    for (ex, ey, ew, eh) in eyes:
        cv.rectangle(roi_color, (ex, ey), (ex + ew, ey + eh), (0, 255, 0), 2)
# 5.检测结果的绘制
plt.figure(figsize=(8, 6), dpi=100)
plt.imshow(img[:, :, ::-1]), plt.title('检测结果')
plt.xticks([]), plt.yticks([])
plt.show()

使用函数cv2.imread(filepath,flags)读入一副图片（BGR格式），括号中可以只写路径
filepath：要读入图片的完整路径
flags：读入图片的标志

gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

cv.cvtColor(p1,p2) 是颜色空间转换函数，p1是需要转换的图片，p2是转换成何种格式。

CascadeClassifier，是Opencv中做人脸检测的时候的一个级联分类器。并且既可以使用Haar，也可以使用LBP特征。

子函数detectMultiScale()介绍

void detectMultiScale(
    const Mat& image,                //待检测图像
    CV_OUT vector<Rect>& objects,    //被检测物体的矩形框向量
    double scaleFactor = 1.1,        //前后两次相继的扫描中搜索窗口的比例系数，默认为1.1 即每次搜索窗口扩大10%
    int minNeighbors = 3,            //构成检测目标的相邻矩形的最小个数 如果组成检测目标的小矩形的个数和小于minneighbors - 1 都会被排除
                                     //如果minneighbors为0 则函数不做任何操作就返回所有被检候选矩形框
    int flags = 0,                   //若设置为CV_HAAR_DO_CANNY_PRUNING 函数将会使用Canny边缘检测来排除边缘过多或过少的区域 
    Size minSize = Size(),              
    Size maxSize = Size()            //最后两个参数用来限制得到的目标区域的范围     
);

 cv2.rectangle(img, pt1, pt2, color[, thickness[, lineType[, shift]]])

img-要进行绘制的目标图像
pt1-矩形的一个顶点
pt2-矩阵对角线上的另一个顶点
color-线条的颜色（RGB）或亮度（灰度图）
thickness-组成矩形线条的粗细程度。取负值时，函数绘制填充了色彩的矩形。
lineType-线条的类型。
shift-坐标点的小数点位数。