opencv人脸识别

在python环境下利用opencv实现人脸识别，接下来一步一步动手操作。

预备知识

1，人脸识别，其实就是对脸部特征可以使用矩阵来描述，通过灰度图片部分特征的值的变化来确定，如：眼睛的区域大小、颜色、颜色的深浅等。

2，为啥要用opencv？opencv其实只是一个算法库，它提供了读取图片，灰度转换，显示图像，简单的编辑图像等等（android自带了一个阉割版的opencv，可以用来做人脸识别、或者类似抖音那种视频效果））。噢。其实这只是它的九牛一毛，他还有很多其他的功能，这里我们只是做个了解，以后还是会研究下这个库。

一、环境准备

如果已经准备好了请跳过。

IDE：pycharm 编辑python比较方便

如果是Anaconda，请另百度。

下载安装python3.6（我测试的是这个版本，其他版本后续可以试试，但是这个版本还是很稳定的，推荐）；

下载安装python环境的opencv：

0，第一步安装numpy和Matplotlib

pip install --upgrade setuptools
pip install numpy Matplotlib

1，pip安装，需要网络较好

pip install opencv-python

2，下载安装包本地安装，使用网络不好的。先在https://www.lfd.uci.edu/~gohlke/pythonlibs/下载contrib版本，

opencv_python‑3.3.0+contrib‑cp36‑cp36m‑win_amd64.whl

pip install 安装包路径(如：d:\python\opencv_python‑3.3.0+contrib‑cp36‑cp36m‑win_amd64.whl)

3，测试

import cv2 #导入cv2模块就是opencv

#读取图像，支持 bmp、jpg、png、tiff 等常用格式
imgurl = 'bb.jpg'#本地图片路径

img = cv2.imread(imgurl) #注意这里的路径

#创建窗口并显示图像
cv2.namedWindow("Image",0)
cv2.resizeWindow("Image", 320,320);
cv2.imshow("Image",img) #显示图片
cv2.waitKey(0)
#释放窗口
cv2.destroyAllWindows()

OK，搞定！

二、代码，直接看代码，有注释

import cv2 #导入cv2模块就是opencv

#读取图像，支持 bmp、jpg、png、tiff 等常用格式
imgurl = 'bb.jpg'#本地图片路径
# imgurl = '5903040bf4146.jpg'

img = cv2.imread(imgurl) #注意这里的路径
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #转化灰度图片，用于提取脸部特征值

face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml') #github上共享的已训练好的通用人脸数据集
# 探测图片中的人脸
faces = face_cascade.detectMultiScale(
    gray,
    scaleFactor = 1.15,
    minNeighbors = 5,
    minSize = (5,5)
)

print("发现{0}个人脸".format(len(faces)))
for(x,y,w,h) in faces:
    #cv2.rectangle(img,(x,y),(x+w,y+w),(255,255,0),2)#给识别的人脸画一个矩形
    cv2.circle(img,((x+x+w)//2,(y+y+h)//2),w//2,(255,255,0),2) #给识别的人脸画一个圆形

#创建窗口并显示图像
cv2.namedWindow("Image",0)
cv2.resizeWindow("Image", 320,320);
cv2.imshow("Image",img) #显示图片
cv2.waitKey(0)
#释放窗口
cv2.destroyAllWindows() 

1，训练数据集地址：https://github.com/opencv/opencv/tree/master/data/haarcascades 

 

三、运行结果

四、后续优化列表

现阶段的只是识别出人脸并画一个圆圈，识别率不高，而且光线暗淡的时候更是识别不出来，再者还不能做到识别自己的脸，所以提出以下几个优化进度。

1，训练识别人脸，提高识别率

2，尽可能地优化和改进在光线暗淡时的识别效果

3，增加前端和接口做成一个工具，提供训练的入口，达到可以识别自己，甚至对接其他工具