1:简介
人脸检测指从现实环境中识别出人脸的位置;
人脸识别基于人脸检测,下一步才能辨析人脸的属性,从而判别这个人是谁。
2:图像基本概念
帧:一张图
帧数:一秒钟刷新多少张图片
分辨率:单位大小所能承载的像素,能力为正相关
图像插值:提高图像分辨率
OpenCV提供了5种插值方法:最邻近、双线性、基于像素区域、立方插值及兰索斯插值(加粗的两个时间复杂度低)
介绍:引用 图像插值
灰度图:二值图像的拓展,在黑白两种颜色中取得灰色,黑,白,灰
人脸ROI
3:应用
用Haar级联来做人脸检测。 Haar级联通过在多个尺度上从图像中提取大量的简单特征来实现。
简单特征主要指边、线、矩形特征等,这些特征都非常易于计算,
然后通过创建一系列简单的分类器来做训练。
这里需要一个cascade_files去训练model。
先去我的Github取到需要的模型训练的.xml文件即cascade_file,下载到python脚本的文件夹下,下面的人脸检测及五官检测代码就直接可以运行了。
如果想看其他方面的人脸识别源码,请移步我的Github。
https://github.com/shaojintian/Face_detection/tree/master
#face_nose&eyes_detection.py
import cv2
import numpy as np
#import Haar files to train face detection model
face_cascade=cv2.CascadeClassifier('cascade_files/haarcascade_frontalface_alt.xml')
nose_cascade=cv2.CascadeClassifier('cascade_files/haarcascade_mcs_nose.xml')
eye_cascade=cv2.CascadeClassifier('cascade_files/haarcascade_eye.xml')
# check whether haar is done
if face_cascade.empty():
raise IOError('Unable to load haarcascade_frontalface_alt')
if nose_cascade