Python Opencv的人脸检测和人脸识别_cv2

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)
label, confidence = recognizer.predict(grey[y:y + h, x:x + w])
print( “”" 识别到人脸信息 标签：%d 可信度：%d “”" % (label, confidence) )
if confidence > 60: if label == 1: print(“小罗伯特唐尼”) print(“图片标签：”, str(label)) print(“可信度：”, str(confidence)) elif label == 2: print(“周星驰”) print(“图片标签：”, str(label)) print(“可信度：”, str(confidence)) else: print(“未匹配到数据”) cv2.imshow(‘im’, im) cv2.waitKey(0)

最后

Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

👉Python所有方向的学习路线👈

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。

👉Python必备开发工具👈

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

👉Python全套学习视频👈

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。

👉实战案例👈

学python就与学数学一样，是不能只看书不做题的，直接看步骤和答案会让人误以为自己全都掌握了，但是碰到生题的时候还是会一筹莫展。

因此在学习python的过程中一定要记得多动手写代码，教程只需要看一两遍即可。

👉大厂面试真题👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

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！