多姿势零基础玩转OpenCV人脸识别(Python)

 

人脸识别是指程序对输入的人脸图像进行判断，并识别出对应的人的过程。人脸检测是人脸识别的基础。

人脸存在性问题检测

在人脸检测中，主要任务是构造能够区分包含人脸和不包含人脸的分类器。这些实例被分为“正类”（包含人脸图像）以及“负类”（不包含人脸图像）。

为了解决人脸存在的问题，在OpenCV中，可以调用已经训练好的级联分类器。训练分类器非常耗费时间。现成的一些分类器已经可以用来检测人脸及相关特征（例如眼睛和鼻子）、人类和其他物体。这些级联分类器以XML 文件存放在OpenCV源文件的data目录中，加载不同的联级分类器的XML文件就可以实现不同对象的检测。

OpenCV实现人脸识别（一）级联分类器概念-陶小桃Blog本节简要介绍人脸检测的基本原理；OpenCV提供的三种不同的训练好的级联分类器，本文简单介绍其中涉及的一些概念。https://www.52txr.cn/2022/CVFace1.htmlOpenCV实现人脸识别（二）级联分类器使用-陶小桃Blog本节介绍如何使用OpenCV已经分类好的级联分类器来实现人脸的检测，并在检测到的地方做上标记。https://www.52txr.cn/2022/CVFace2.html通过级联分类器就能识别出来人脸，调整适当的参数，就能把人脸圈出来，如下图所示：

分辨人脸

识别出来人脸之后就要开始分辨这脸是谁的。

在OpenCV中,有多种算法用于人别识别。

LBHP（Local Binary Pattern Histogram，局部二值模式直方图）所使用的模式基于LBP算法。LBP是一种有效的纹理描述算子提出的，在表述图像局部纹理特征上效果出众。

OpenCV实现人脸识别（三）LBPH算法-陶小桃BlogLBHP（Local Binary Pattern Histogram，局部二值模式直方图）所使用的模式基于LBP算法。LBP是一种有效的纹理描述算子提出的，在表述图像局部纹理特征上效果出众。https://www.52txr.cn/2022/CVLBPH.html

EigenFace通常也被称为特征脸，他使用主成分分析（PCA）的方法实现将高纬度的人脸处理数据处理为低维数据（降维），再进行数据分析和处理，获取识别结果。

OpenCV实现人脸识别（四）EigenFaces方法-陶小桃BlogEigenFace通常也被称为特征脸，他使用主成分分析（PCA）的方法实现将高纬度的人脸处理数据处理为低维数据（降维），再进行数据分析和处理，获取识别结果。https://www.52txr.cn/2022/CVEigenFaces.htmlOpenCV人脸检测的EigenFaces方法缺点在于操作过程中会损失许多特征信息。Fisherface采用LDA（线性判别分析）实现人脸识别，是一种经典学习方法。

OpenCV实现人脸识别（五）Fisherfaces算法-陶小桃BlogOpenCV人脸检测的EigenFaces方法缺点在于操作过程中会损失许多特征信息。Fisherface采用LDA（线性判别分析）实现人脸识别，是一种经典学习方法。https://www.52txr.cn/2022/CVfisher.html

当然，这都是最基础的人脸识别方法，属于入门级别的。要是想更加专业和高精度识别人脸，还需要加入更多的训练集以及智能框架来使得功能更加精确和完善。希望写的这几篇博客能帮助到你。