一、写在前面
本文所用例子为个人学习的小结,如有不足之处请各位多多海涵,欢迎小伙伴一起学习进步,如果想法可在评论区指出,我会尽快回复您,不胜感激!
所公布代码或截图均为运行成功后展示。
嘿嘿,小小免责声明一下!部分代码可能与其他网络例子相似,如原作者看到有不满,请联系我修改,感谢理解与支持!
二、本文内容
使用上一章已经生成好的迪丽热巴的正脸模型,对别的照片进行识别,根据差别度是否超过设定的阈值,以判断照片中是否为迪丽热巴 (热巴比心❤~)。
三、开发环境
所需引包
import cv2 as cv
1.Python 3.9
2.OpenCV
IDE:
1.Pycharm
四、素材准备
迪丽热巴的正脸照片N张,可用新照片,我这就下载了几张:
对比组古力娜扎照片N张,只是用于判断模型能区分:
五、代码实现
(一)定义文件路径
请根据自己文件储存的实际路径修改。
# 分类器路径
classifier = r"F:\opencv-libs\opencv\sources\data\haarcascades\haarcascade_frontalface_default.xml"
#上一章中训练的迪丽热巴正脸模型
trainerFile = r'F:\opencv-libs\opencv\sources\data\personaltrainer\trainer_dilireba.yml'
#将进行比较的图片
photo = r"C:\Users\Administrator\Desktop\picture\trainer\1.jpg"
(二)定义方法:识别人脸并标出结果
加载迪丽热巴的人脸训练模型,将需要对比的图片转为灰度图像并与模型进行比较,生成差异度,定义差异阈值为60,超过60则判定不为热巴。
def face_detect(img):
# 加载识别器
recognizer = cv.face.LBPHFaceRecognizer_create()
# 加载迪丽热巴的模型
recognizer.read(trainerFile)
#将彩色图像转换为灰度图像
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
#加载分类器
face_detector = cv.CascadeClassifier(classifier)
'''
gray表示传入的灰度图(快速查询)
在给定的灰度图像中检测人脸,并返回人脸的位置和大小。
参数解释:
- gray:输入的灰度图像。
- 1.1:表示每次搜索窗口的比例系数,用于在图像上搜索不同大小的人脸。
- 5:表示人脸被检测到后,需要至少相邻多少个像素才能认定是人脸。
- cv.CASCADE_SCALE_IMAGE:表示使用尺度图像。
- (100, 100):表示人脸的最小尺寸。
- (300, 300):表示人脸的最大尺寸。
'''
face = face_detector.detectMultiScale(gray, 1.1, 5, cv.CASCADE_SCALE_IMAGE, (100, 100), (300, 300))
for x, y, w, h in face:
#在人脸位置识别并绘制矩形框
cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=1)
# 得到识别结果ids和差别difference
ids, difference = recognizer.predict(gray[y:y + h, x:x + w])
#当差别度大于60,就认为不是热巴
if difference > 60: # 差别较大,当做不认识
cv.putText(img, "Who" + str(difference), (x + 10, y - 10), cv.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
else:
cv.putText(img, "DiLiReBa" + str(difference), (x + 10, y - 10), cv.FONT_HERSHEY_SIMPLEX, 0.75,
(0, 255, 0), 1)
cv.imshow("result", img)
(三)加载需要识别的图片,并调用定义方法
从素材库选择一张照片,进行比较。
if __name__ == '__main__':
# 读取需识别的图片
img = cv.imread(photo)
#人像识别
face_detect(img)
cv.waitKey(0)
六、获得结果
(一)当选取照片为迪丽热巴时,识别差异度约为10,低于阈值60,判定为迪丽热巴
(二)当选取照片为古力娜扎时,识别差异度为83,高于阈值60,判定为否,标记为Who
七、小结
人脸模型训练和 根据图片进行的识别就到这里啦,后续还会更新根据摄像头捕捉到的画面动态识别人脸的Demo,敬请期待!
八、感谢
感谢各位大佬的莅临,学习之路漫漫,吾将上下而求索。有任何想法请在评论区留言哦!
再次感谢!