python学习②|人脸检测与人脸识别综合

最新推荐文章于 2024-11-05 18:27:22 发布
最新推荐文章于 2024-11-05 18:27:22 发布
阅读量1.2k 收藏
点赞数
分类专栏： python 小白 文章标签： opencv 计算机视觉 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_49011547/article/details/120897822
版权

前情提要：
在jupyter上使用了markdown语法，有注解，并通过教程形成了目录。

jupyter note生成目录教程：
jupyter notebook如何自动生成目录（extensions）

整体更加便捷高效了。
在这里插入图片描述
点击目录内的内容可进行直接跳转。

文章目录

一、人脸检测基础

人脸识别需要一些基础知识，下面是笔者准备的一些基础操作。

1、显示图片-图片添加灰度-便于计算

cv2.imshow显示图片-RGB转换

import cv2
# 读取图片
img=cv2.imread('py1.jpg')
# 显示图片
cv2.imshow('img',img)
# 任意键关闭窗口，（）内参数为检测频率，单位为ms
cv2.waitKey(0)
# 防治运算过载
cv2.destroyAllWindows()

plt.imshow呈现图片

用plt显示图片，直接显示是负片形式，原因是cv2的编码形式为BGR

import cv2
from matplotlib import pyplot as plt
img=cv2.imread('py1.jpg')
plt.imshow(img)
plt.show()

在这里插入图片描述

去除plt负片效果（两种方法）：
img = img[:, :, [2,1,0]]
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

import cv2
from matplotlib import pyplot as plt
img=cv2.imread('py1.jpg')
# 添加转换代码恢复为正常颜色
img = img[:, :, [2,1,0]]
# img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(img)
plt.show()

在这里插入图片描述

2、重新设定图片大小

import cv2
img=cv2.imread('py1.jpg')
# 重设大小，新定义
resize_img=cv2.resize(img,dsize=(200,250))
cv2.imshow('resize_img',resize_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

3、窗口设置

窗口关闭

按下特定键Q关闭窗口

import cv2
img=cv2.imread('py1.jpg')
cv2.imshow('img',img)
while True:
    if ord('q')==cv2.waitKey(0):
        break
cv2.destroyAllWindows()

窗口大小可调节

函数名称为namedWindow
参数0为可调节
窗口可调节设置要在的显示之前

import cv2
img=cv2.imread('py1.jpg')
cv2.namedWindow('img',0)
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

窗口大小重新设置

大小调节有了窗口之后才可以调整

import cv2
img=cv2.imread('py1.jpg')
cv2.imshow('img',img)
cv2.resizeWindow('img',500,100)
cv2.waitKey(0)
cv2.destroyAllWindows()

4、画图形（框、圆）

import cv2
img=cv2.imread('wulin.jpg')
# 设定参数
x,y,w,h=50,50,80,80
# 参数赋值，图片名称，参数配置，颜色BGR，线条粗细
cv2.rectangle(img,(x,y),(x+w,y+h),color=(0,255,0),thickness=2)
cv2.circle(img,center=(x+w//2,y+h//2),radius=w//2,color=(0,0,255),thickness=2)
cv2.imshow('1',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

5、给图片上灰色

import cv2,os
img=cv2.imread('py1.jpg')
# 上灰色,需要重新定义
gray_img=cv2.cvtColor(img,code=cv2.COLOR_BGR2GRAY)
cv2.imshow('gray_img',gray_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

二、静态图片人脸检测

1、单张图片单人脸

思路

  • 导入图形\
  • 定义函数人脸识别
  • 图片变灰
  • 加载特征数据,获取路径的两种方法:\

绝对路径方法
face_detector=
cv2.CascadeClassifier(‘C:/Users/ouoli/anaconda3/Lib/site-packages/cv2/data/haarcascade_frontalface_alt_tree.xml’)

非绝对路径方法
face_cascade =
cv2.CascadeClassifier(cv2.data.haarcascades+‘haarcascade_frontalface_default.xml’)

  • 用特征数据识别图像，并返回特征区域→faces=特征数据.识别函数（detectMultiScale）[图形，参数]
  • 在特征区域内画图形
  • 展示图形
    备注：加载灰度只是便于计算，灰度不会呈现到最终的结果中
import cv2
img=cv2.imread('aobama.png')
face_e=cv2.CascadeClassifier(cv2.data.haarcascades+'haarcascade_frontalface_default.xml')
faces=face_e.detectMultiScale(img,1.3,8)
for x,y,w,h in faces:
    cv2.rectangle(img,(x,y),(x+h,y+w),color=(255,255,0),thickness=5)
    cv2.circle(src,center=(x+w//2,y+h//2),radius=w//2,color=(0,0,255),thickness=2)

cv2.namedWindow('1',0)
#cv2.resizeWindow('1',500,550)

cv2.imshow('1',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

2、单张照片多人脸识别

识别多张人脸,改一下文件名就行~~
在这里插入图片描述

三、动态实时人脸检测

调取动态人脸检测，需要用while True保持软件进程。

1、摄像头

如何调取摄像头

主要思路：
调取图像
设置人眼和人脸识别函数
执行函数

import cv2
#调用笔记本内置摄像头，所以参数为0，如果有其他的摄像头可以调整参数为1，2
cap=cv2.VideoCapture(0)
while True:
    #从摄像头读取图片
    sucess,img=cap.read()
    #显示摄像头
    cv2.imshow("img",img)
    #保持画面的持续。
    k=cv2.waitKey(1)
    if k == 27:
        #通过esc键退出摄像
        cv2.destroyAllWindows()
        break
    elif k==ord("s"):
        #通过s键保存图片，并退出。
        cv2.imwrite("image2.jpg",img)
        cv2.destroyAllWindows()
        break
# 关闭摄像头
cap.release()

极简版本

import cv2
#读取图像
cap=cv2.VideoCapture(0)
while True:
    ret,img=cap.read()
#显示图像
    cv2.imshow('img',img)
#设置图像终止情况
    k=cv2.waitKey(1)
    if k==27:
        break
cv2.destroyAllWindows()
# 关闭摄像头
cap.release()

实时边缘检测

import cv2
# import numpy as np
cap=cv2.VideoCapture(0)
while True:
    ret,img=cap.read()
    img=cv2.Canny(img,100,200)
#     img=np.dstack((img,img,img))
    cv2.imshow('img',img)
    k=cv2.waitKey(1)
    if k==27:
        break
cv2.destroyAllWindows()
# 关闭摄像头
cap.release()

100效果↓
100效果
200效果↓
在这里插入图片描述

img=cv2.Canny(img,100,200)
200为调节边缘检测的力度控制

实时人脸、眼睛检测

import cv2,os
os.chdir('D:\pythonAds2021')

def detect_F(frame):
    face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades+'haarcascade_frontalface_default.xml')
    eye_cascade = cv2.CascadeClassifier(cv2.data.haarcascades+'haarcascade_eye.xml')
    faces = face_cascade.detectMultiScale(frame, 1.3, 5)
    img = frame
    for (x,y,w,h) in faces:
        img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
        face_area = img[y:y+h, x:x+w]
        eyes = eye_cascade.detectMultiScale(face_area)
        for (ex,ey,ew,eh) in eyes:
            cv2.rectangle(face_area,(ex,ey),(ex+ew,ey+eh),(0,255,0),1)
#     cv2.namedWindow('frame2',0)
    cv2.imshow('frame2',img)
    
cap = cv2.VideoCapture(0)

while(True):
    ret, src = cap.read()
#     通过函数显示处理后的图像
    detect_F(src)
    k=cv2.waitKey(100)
    if k == 27:
        break
    elif k==ord('s'):
        cv2.imwrite("image2.jpg",img)
        break
cv2.destroyAllWindows()
# 关闭摄像头
cap.release()

实时微笑检测

import cv2,os
os.chdir('D:\pythonAds2021')

def detect_F(frame):
    face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades+'haarcascade_frontalface_default.xml')
    eye_cascade = cv2.CascadeClassifier(cv2.data.haarcascades+'haarcascade_eye.xml')
    smile_cascade = cv2.CascadeClassifier(cv2.data.haarcascades+'haarcascade_smile.xml')
    faces = face_cascade.detectMultiScale(frame, 1.3, 5)
    img = frame
    for (x,y,w,h) in faces:
        img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
        face_area = img[y:y+h, x:x+w]
        eyes = eye_cascade.detectMultiScale(face_area,1.3,25)
        for (ex,ey,ew,eh) in eyes:
            cv2.rectangle(face_area,(ex,ey),(ex+ew,ey+eh),(0,255,0),5)
        smiles = smile_cascade.detectMultiScale(face_area,1.3,50)
        for (sx,sy,sw,sh) in smiles:
            cv2.rectangle(face_area,(sx,sy),(sx+sw,sy+sh),(0,0,255),5)
# 实时字幕显示
            cv2.putText(img,'ye smile le',(x,y-7),3,1.2,(0,0,255),2)
#     cv2.namedWindow('frame2',0)
    cv2.imshow('frame2',img)
    
cap = cv2.VideoCapture(0)

while(True):
    ret, src = cap.read()
#     通过函数显示处理后的图像
    detect_F(src)
    k=cv2.waitKey(100)
    if k == 27:
        break
    elif k==ord('s'):
        cv2.imwrite("image2.jpg",img)
        break
cv2.destroyAllWindows()
# 关闭摄像头
cap.release()

在这里插入图片描述

摄像头视频保存

import cv2 as cv
import os
os.chdir('D:\pythonAds2021')
cap=cv.VideoCapture(0)

while cap.isOpened():
    ret,frame=cap.read()
    if not ret:
        break
    cv.imshow('img',frame)
    k=cv.waitKey(1)
    if k==27:
        break
    fourcc=cv.VideoWriter_fourcc(*'DIVX')
    out=cv.VideoWriter('output.mp4',fourcc,20.0,(640,480))
cv.destroyAllWindows()
cap.release()

2、如何读取视频

import cv2
cap=cv2.VideoCapture('aoligei.mp4')
while(True):
    ret, i = cap.read()
#增加视频结束就停止模块
    if not ret:
        break
# 显示视频
    cv2.imshow('i',i)
    k=cv2.waitKey(2)
    if k==27:
        break
cv2.destroyAllWindows()

3、读取视频实时人脸检测

比摄像头读取多加一个视频结束模块

四、换脸

import requests   #导入requests库
import base64    #导入base64库
from PIL import Image
import matplotlib.pyplot as plt


# API_Key='wLXiL5dy2qrO6YErbUm9dF_kr4wP7EVc'
# API_Secret  = 'iEFrwgEzU_cIyrvMOSOw_vGUjNttgLhs'
#借助https://console.faceplusplus.com.cn平台来实现换脸
API_Key = 'CGj6vYsWyRnKPPfvJNNIuSujuVVyJ095'    #你自己申请的API Key
API_Secret = '7QMUgWN7CA8QlAdfDdNnQnNJX4fnZlu7'   ##你自己申请的API Secret


# 定义一个获取图片的人脸特征参数的函数
def find_face(imgpath):    #查找人脸参数（图片位置）
    url = 'https://api-cn.faceplusplus.com/facepp/v3/detect'    #使用的人脸识别网站
    data = {'api_key': API_Key, 'api_secret': API_Secret, 'image_url': imgpath, 'return_landmark': 1}    #相关个人账号参数等
    files = {'image_file': open(imgpath, 'rb')}    #打开图片
    response = requests.post(url, data=data, files=files)    #用requests.poet（）函数将个人账号参数和图片发送到网站
    res_json = response.json()    #转换为json
    faces = res_json['faces'][0][
        'face_rectangle']  # 获取面部大小的四个值，分别为长宽高低{'width': 176, 'top': 128, 'left': 80, 'height': 176}
    return faces    #返回图片的面部参数


# 定义一个换脸函数,函数中number表示两张脸的相似度为99%
def change_face(image_1, image_2, number=99):
    url = "https://api-cn.faceplusplus.com/imagepp/v1/mergeface"    #使用的换脸网址
    find_p1 = find_face(image_1)    #第1张图片的人脸参数
    find_p2 = find_face(image_2)    #第2张图片的人脸参数
    rectangle1 = str(str(find_p1['top']) + ',' + str(find_p1['left']) + ',' + str(find_p1['width']) + ',' + str(find_p1['height']))  # 得到图片1坐标
    rectangle2 = str(str(find_p2['top']) + ',' + str(find_p2['left']) + ',' + str(find_p2['width']) + ',' + str(find_p2['height']))  # 得到图片2坐标

    page1 = open(image_1, 'rb')  #以二进制打开图片1
    page1_64 = base64.b64encode(page1.read())  #将字符串转成成base64编码
    page1.close()  #关闭图片1

    page2 = open(image_2, 'rb')   #二进制打开图片2
    page2_64 = base64.b64encode(page2.read())    #将字符串转成成base64编码
    page2.close()   #关闭图片2

    data = {'api_key': API_Key, 'api_secret': API_Secret, 'template_base64': page1_64,
            'template_rectangle': rectangle1, 'merge_base64': page2_64, 'merge_rectangele': rectangle2,
            'merge_rate': number}    #参数信息
    response = requests.post(url, data=data).json()    #发送参数到换脸网站
    results = response['result']    #得到返回参数
    image = base64.b64decode(results)    #转换信息
    with open('新图片.jpg', 'wb') as file:    #将信息写入到图片
        file.write(image)
    print("转换完成了！")


if __name__ == '__main__':
    change_face('image1','image2')
img1=plt.imread('image1')

plt.subplot(122).imshow(img1)
plt.axis('off')
#plt.show()
img2=plt.imread('image2')

plt.subplot(121).imshow(img2)
plt.axis('off')
plt.show()
img0=Image.open('新图片.jpg')
plt.axis('off')
plt.imshow(img0)
plt.show()

在这里插入图片描述
在这里插入图片描述

hongjiang_2021
关注
专栏目录
【人脸识别】一个简单的Python人脸识别应用 - 包含UI 支持训练自己的数据集
Harvey的博客
02-01 851
简单易用；无需使用Pytorch或Tensorflow等机器学习框架，基于Face-Recognition库提取特征向量，使用scikit-learn的SVC作为分类方法，实现了一个包含GUI的人脸识别程序。
利用opencv调用笔记本摄像头--python
python_pycharm的博客
06-25 3万+
通过查看书籍，自己总结了一下，怎样用python代码实现调用笔记本摄像头的功能。这主要是通过opencv中cv2模块来实现这个功能。其中是调用cv2中的函数，比如：imread函数，imshow函数等等....以下是具体的实现代码：1.通过窗口展示图片：import cv2 """ :param 无 :return 无 """"" # 读取图片 img = cv2.imread...
python 调用摄像头拍照_python调用摄像头拍摄数据集
weixin_39779032的博客
11-21 215
之前需要做一些目标检测的训练，需要自己采集一些数据集，写了一个小demo来实现图片的采集使用方法：指定name的名称，name为分类的标签按n键拍摄图片程序会在当前目录下生成一个pictures的文件夹，图片存放在其中print("正在初始化摄像头...")import cv2import osimport datetimecap = cv2.VideoCapture(0)print("初始化成功...
Opencv3学习笔记(C++&Python双语)---视屏读取与保存
weixin_41685308的博客
06-13 368
要捕获视频，需要创建一个VideoCapture对象。它的参数可以是设备索引或视频文件的名称。设备索引就是指定哪个摄像头的数字。正常情况下，一个摄像头会被连接(默认为0)。可以通过传递1来选择第二个相机，以此类推。在此之后，可以逐帧捕获。但是在最后，不要忘记释放捕获。 重要函数： cv.VideoCapture() 相机默认参数为0，如果从视屏中播放文件，参数为视屏地址。 cap.read() 返回布尔值，如果真确读取，返回ture。可以通过检查返回值来检查视屏结尾。注：此函数在C++中运行报错...
【python+ROS+路径规划】一、前置准备
w_w_y的博客
01-29 9959
探索如何将python写的路径规划用到ros中
基于OpenCv的人脸识别（Python完整代码）
热门推荐
Cheney ' blog
06-21 16万+
目前人脸识别有很多较为成熟的方法，这里调用OpenCv库，而OpenCV又提供了三种人脸识别方法，分别是LBPH方法、EigenFishfaces方法、Fisherfaces方法。本文采用的是LBPH（Local Binary Patterns Histogram，局部二值模式直方图）方法。opencv是一个开源的的跨平台计算机视觉库，内部实现了图像处理和计算机视觉方面的很多通用算法，对于python而言，在引用opencv库的时候需要写为import cv2。其中，cv2是opencv的C++命名空间名称
基于python+tensorflow的深度学习人脸识别检测系统源码+使用说明（期末大作业）.zip
11-16
基于python+tensorflow的深度学习人脸识别检测系统源码+使用说明（期末大作业）.zip这是95分以上高分必过大作业项目，下载即用无需修改，确保可以运行。也可作为课程设计。 基于python+tensorflow的深度学习人脸...
Python电脑摄像头实时人脸检测程序代码 基于mediapipe人脸检测
02-06
# Python电脑摄像头实时人脸检测程序 基于mediapipe人脸检测 使用 MediaPipe 库进行实时人脸检测的Python示例程序，写有详细中文注释。 ## 依赖 确保已经安装了以下依赖： - Python 3.x - OpenCV (`pip install ...
基于深度学习人脸静默活体人脸识别检测算法python源码+模型+操作说明.zip
09-05
基于深度学习人脸静默活体人脸识别检测算法python源码+模型+操作说明.zip 人脸活体验证是人脸识别过程中重要的一环，主要用以区分真实人脸与假脸图像，能够识别利用纸张打印、屏幕翻拍、3D模型等方式的欺骗行为。...
基于 Python 实现的静默活体检测与人脸识别
06-08
【作品名称】：基于 Python 实现的静默活体检测与人脸识别 【适用人群】：适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【项目介绍】： 动态算法...
python 动态检测人脸_Python学习案例之视频人脸检测识别
weixin_31995343的博客
01-28 619
前言上一篇博文与大家分享了简单的图片人脸识别技术，其实在实际应用中，很多是通过视频流的方式进行识别，比如人脸识别通道门禁考勤系统、人脸动态跟踪识别系统等等。案例这里我们还是使用 opencv 中自带了 haar人脸特征分类器，通过读取一段视频来识别其中的人脸。代码实现：#-*-coding:utf-8-*-__author__="小柒"__blog__="https://blog....
BEVerse 中数据集预处理代码浅析
Darchan的博客
09-30 2044
主要针对BEVerse工程中 Nuscenes数据集预处理部分，进行解析。
Python语言基础学习（二）
雪糕cool的博客
04-03 1282
1. 列表list 列表是有序的元素集合，元素的数据类型可以不一样，元素本身也可以是列表。 a. 标志 列表的标志是[ ]，如 #list list1 = ['a', 'b', 5] list2 = [list1, 'abc', 3] b. 常用操作 创建列表 直接给元素 list1 = ['a', 'b', 'c] 先创建一个空列表，再向列表中插入元素 list1= [...
图像分割1
zhanghongyi_cpp的博客
11-05 312
而高斯拉普拉斯算子在平滑图像的同时检测边缘，效果通常比拉普拉斯算子更好，尤其是在噪声较多的情况下。（2）LoG算子：拉普拉斯算子的改进，通常采用拉普拉斯-高斯算子（LoG）先进行图像滤波，抑制噪声， 然后对滤波图像计算二阶导数，以提高边界检测能力。根据当前阈值，通过某种规则估算一个更优的阈值，重复执行该过程，直到相邻两次的阈值差小于某个指定的参数，此时认为算法收敛，否则继续迭代。（2）阈值将图像灰度值分成2类，大于阈值的灰度值组成，小于阈值的灰度值组成，分别计算和的灰度均值和。计算量较大，速度较慢。
使用Python和OpenCV实现火焰检测
joker_man1的博客
10-29 1237
使用Python和OpenCV实现火焰检测
图像识别基础认识
weixin_53731307的博客
11-02 1053
import cv2#定义结构元素# 执行腐蚀操作,iterations为执行几次操作# 执行膨胀操作# 显示结果。
20.04Ubuntu配置opencv并使用头文件
weixin_74923758的博客
11-01 506
一个是/usr/include/opencv4/opencv。我建议最好还是ls一下看看目录存不存在，有时它的目录会搞错。第三步：打开一个引用了opencv头文件的项目。一个是/usr/include/opencv4。第二步：检查是否安装成功，成功的话会返回版本。由于我安装的4开头的版本，所以命令需要改一改。需要ctrl +shift + p，找到这个。像这样，最后记得重启vscode才能生效。使用命令找到opencv的路径。然后把你的路径复制进去。跟着我的步骤一步步来。
opencv保姆级讲解——光学学符识别(OCR)（4）
最新发布
m0_74994555的博客
11-05 307
PaddleHub现已开源OCR文字识别的预训练模型移动端的超轻量模型：仅有8.6M，chinese_ocr_db_crnn_mobile。服务器端的精度更高模型：识别精度更高，chinese_ocr_db_crnn_server。该 Module 用于识别图片当中的汉字、数字、字母。如果仅需要检测，也可单独使用chinese_text_detection_db_server或者chinese_text_detection_db_mobile得到检测结果的文本框。
Python利用MindSpore框架实现MTCNN人脸检测与关键点识别
标签部分突出了这个资源与Python编程语言、网络技术、人脸识别和关键点检测技术以及源码相关，反映了这是一项与期末大作业相关的项目。 文件压缩包内的文件列表以'mtcnn-mindspore-master'命名，这表明该项目的主...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值