方法讲解
人脸检测,把图像分成一个个小块,对每一个小块判断是否是人脸,假如一张图被分成了5000块,则速度非常慢。
为了提高效率,OpenCV 提供 cascades 来避免这种情况。提供了一系列的xml文件
cascades :翻译 :小瀑布 级联
cascade 对于每个数据块,它都进行一个简单快速的检测。若过,会再进行一个更仔细的检测。该算法有 30 到 50 个这样的阶段,或者说 cascade。只有通过全部阶段,cascade才会判断检测到人脸。这样做的好处是:大多数小块都会在前几步就产生否定反馈,节约时间。
资源链接,该资源不仅仅包括人脸xml,还有其他眼睛等。赚取点积分吧。
OpenCV人脸识别xml文件.zip
或者
OpenCV官网
从官网Sources里找资源,data文件夹中有是特征文件,我们一般选用haarcascade_frontalface_default.xml
人脸检测
1人脸检测实现
import numpy as np import cv2 # 实例化人脸分类器 face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')#xml来源于资源文件。 # 读取测试图片 img = cv2.imread('faces.jpg',cv2.IMREAD_COLOR) # 将原彩色图转换成灰度图 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 开始在灰度图上检测人脸,输出是人脸区域的外接矩形框 faces = face_cascade.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=1) # 遍历人脸检测结果 for (x,y,w,h) in faces: # 在原彩色图上画人脸矩形框 cv2.rectangle(img,(x,y),(x+w,y+h),(255,255,0),2) # 显示画好矩形框的图片 cv2.namedWindow('faces', cv2.WINDOW_AUTOSIZE) cv2.imshow('faces',img) # 等待退出键 cv2.waitKey(0) # 销毁显示窗口 cv2.destroyAllWindows()
修改face_cascade.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=1) 里的参数值可以得到不同的识别精度,有的识别出的人多,有的少。
2摄像头下人脸检测实现
import cv2 as cv import numpy as np def face_detect_demo(image): gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY) face_detector = cv.CascadeClassifier("haarcascade_frontalface_default.xml") faces = face_detector.detectMultiScale(gray, 1.2, 6) for x, y, w, h in faces: cv.rectangle(image, (x, y), (x+w, y+h), (0, 0, 255), 2) cv.imshow("result", image) print("--------- Python OpenCV Tutorial ---------") capture = cv.VideoCapture(0) cv.namedWindow("result", cv.WINDOW_AUTOSIZE) while(True): ret, frame = capture.read() frame = cv.flip(frame, 1)#左右翻转 face_detect_demo(frame) c = cv.waitKey(10) if c == 27: # ESC break cv.waitKey(0) cv.destroyAllWindows()
手拿平板试下吧,博主我不上镜。
同理:调整 face_detector.detectMultiScale(gray, 1.2, 6) 的参数值,效果不一样。
人脸识别
前面讲得是人脸检测,即检测出图片是否含有脸。接下来完成人脸识别,即识别出当前脸是谁。
数据集
选取杨幂和刘亦菲的网图各几张。
训练模型并保存
注意:如果出现module ‘cv2.cv2’ has no attribute ‘face’ 错误信息。
说明没有安装opencv-contrib-python 包,这是OpenCV外带模块,外带模块是测试性能不足,所以没有一起放在opencv包里。
解决方法:pip install opencv-contrib-python
import os import numpy as np import cv2 #脸部检测函数 def face_detect_demo(image): gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) face_detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml") faces = face_detector.detectMultiScale(gray, 1.2, 6) # 如果未检测到面部,则返回原始图像 if (len(faces) == 0): return None, None # 目前假设只有一张脸,xy为左上角坐标,wh为矩形的宽高 (x, y, w, h) = faces[0] # 返回图像的脸部部分 return gray[y:y + w, x:x + h], faces[0] def ReFileName(dirPath): """ :param dirPath: 文件夹路径 :return: """ # 对目录下的文件进行遍历 faces=[] for file in os.listdir(dirPath): # 判断是否是文件 if os.path.isfile(os.path.join(dirPath, file)) == True: c= os.path.basename(file) name = dirPath + '\\' + c img = cv2.imread(name) # 检测脸部 face, rect = face_detect_demo(img) # 我们忽略未检测到的脸部 if face is not None: # 将脸添加到脸部列表并添加相应的标签 faces.append(face) cv2.waitKey(1) cv2.destroyAllWindows() return faces #杨幂照读取 dirPathyangmi = r"C:\Users\Shineion\Desktop\yangmi"#文件路径 yangmi=ReFileName(dirPathyangmi)#调用函数 labelyangmi=np.array([0 for i in range(len(yangmi))])#标签处理 #刘亦菲照读取 dirPathliuyifei = r"C:\Users\Shineion\Desktop\yangmi"#文件路径 liuyifei=ReFileName(dirPathliuyifei)#调用函数 labelliuyifei=np.array([1 for i in range(len(liuyifei))])#标签处理 #拼接并打乱数据特征和标签 x=np.concatenate((yangmi,liuyifei),axis=0) y=np.concatenate((labelyangmi,labelliuyifei),axis=0) index = [i for i in range(len(y))] # test_data为测试数据 np.random.seed(1) np.random.shuffle(index) # 打乱索引 train_data = x[index] train_label = y[index] #分类器 recognizer = cv2.face.LBPHFaceRecognizer_create() recognizer.train(train_data, train_label) # 保存训练数据 recognizer.write('train.yml')
人脸图像预测
import cv2 #人脸检测函数 def face_detect_demo(image): gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) face_detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml") faces = face_detector.detectMultiScale(gray, 1.2, 6) # 如果未检测到面部,则返回原始图像 if (len(faces) == 0): return None, None # 目前假设只有一张脸,xy为左上角坐标,wh为矩形的宽高 (x, y, w, h) = faces[0] # 返回图像的脸部部分 return gray[y:y + w, x:x + h], faces[0] #导入训练结果 recognizer = cv2.face.LBPHFaceRecognizer_create() recognizer.read('train.yml')#读取前文训练的结果 # 根据给定的人脸(x,y)坐标和宽度高度在图像上绘制矩形 def draw_rectangle(img, rect): (x, y, w, h) = rect#矩形框 cv2.rectangle(img, (x, y), (x + w, y + h), (255, 255, 0), 2) # 根据给定的人脸(x,y)坐标写出人名 def draw_text(img, text, x, y): cv2.putText(img, text, (x, y), cv2.FONT_HERSHEY_COMPLEX, 1, (128, 128, 0), 2) # 此函数识别图像中的人物并在脸部周围绘制一个矩形及其人名 facelabel = ["yangmi", "liuyifei"]#人物名 def predict(image): # 生成图像的副本,保留原始图像 img = image.copy() # 检测人脸区域 face, rect = face_detect_demo(img)#face_detect_demo前面的人脸检测函数 #print(rect)=[x,y,w,h] # 预测人脸名字 label = recognizer.predict(face) print(label)#label[0]为名字,label[1]可信度数值越低,可信度越高( if label[1]<=50: # 获取由人脸识别器返回的相应标签的人名 label_text = facelabel[label[0]] # 在检测到的脸部周围画一个矩形 draw_rectangle(img, rect) # 标出预测的人名 draw_text(img, label_text, rect[0], rect[1]) # 返回预测的图像 return img else: # 在检测到的脸部周围画一个矩形 draw_rectangle(img, rect) # 标出预测的人名 draw_text(img, "not find", rect[0], rect[1]) # 返回预测的图像 return img test_img = cv2.imread("C:\\Users\\Shineion\\Desktop\\liuyifei\\8.jpg") #执行预测 pred_img = predict(test_img) cv2.imshow('result', pred_img) cv2.waitKey(0) cv2.destroyAllWindows()
结果
换一个张图试下
再换张其他人的,来源网图,如有侵权,联系我删除。
注意事项:
1本文的训练集图片太少,所以测试有些误差,有的图片要识别出错。可以自己调整可信度系数和增加训练集图片
2.本文模型是二分类,也可以多分类。标签分别是[0,1,2,3,4,…],不需要one-hot化。这点不同于常规分类器
3.图片路径不能出现中文,OpenCV决定的。标注的名字不能出现中文,中文乱码,自己可以研究下OpenCV标注中文。
源码或者视频教程加群:1136192749
原作者:总裁余