前言
随着科技的发展，人脸识别技术在许多领域得到的非常广泛的应用，手机支付、银行身份验证、手机人脸解锁等等。
识别
废话少说，这里我们使用 opencv 中自带了 haar人脸特征分类器，利用训练好的 haar 特征的 xml 文件，在图片上检测出人脸的坐标，利用这个坐标，我们可以将人脸区域剪切保存，也可以在原图上将人脸框出。
代码实现：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
|
# -*-coding:utf8-*-#
import os
import cv2
from pil import image, imagedraw
from datetime import datetime
"""
分类器 https://github.com/opencv/opencv/tree/master/data/haarcascades
安装模块：pip install pillow pip install opencv-python
博客：https://blog.52itstyle.vip/archives/3771/
"""
def detectfaces(image_name):
img = cv2.imread(image_name)
face_cascade = cv2.cascadeclassifier(os.getcwd()+"\\haarcascade\\haarcascade_frontalface_alt.xml")
if img.ndim == 3:
gray = cv2.cvtcolor(img, cv2.color_bgr2gray)
else:
gray = img # if语句：如果img维度为3，说明不是灰度图，先转化为灰度图gray，如果不为3，也就是2，原图就是灰度图
faces = face_cascade.detectmultiscale(gray, 1.2, 5) # 1.3和5是特征的最小、最大检测窗口，它改变检测结果也会改变
result = []
for (x, y, width, height) in faces:
result.append((x, y, x + width, y + height))
return result
# 保存人脸图
def savefaces(image_name):
faces = detectfaces(image_name)
if faces:
# 将人脸保存在save_dir目录下。
# image模块：image.open获取图像句柄，crop剪切图像(剪切的区域就是detectfaces返回的坐标)，save保存。
save_dir = image_name.split('.')[0] + "_faces"
os.mkdir(save_dir)
count = 0
for (x1, y1, x2, y2) in faces:
file_name = os.path.join(save_dir, str(count) + ".jpg")
image.open(image_name).crop((x1, y1, x2, y2)).save(file_name)
count += 1
if __name__ == '__main__':
time1 = datetime.now()
result = detectfaces(os.getcwd()+"\\images\\gaoyuanyuan.jpg")
time2 = datetime.now()
print("耗时：" + str(time2 - time1))
if len(result) > 0:
print("有人存在！！---》人数为：" + str(len(result)))
else:
print('视频图像中无人！！')
drawfaces(os.getcwd()+"\\images\\", "hanxue.jpg")
savefaces(os.getcwd()+\\images\\gaoyuanyuan.jpg)
|
识别效果图：
多人识别效果：
经过测试，最终选用了 haarcascade_frontalface_alt.xml 做人脸识别，识别率最高。
人脸检测分类器对比：
| 级联分类器的类型 | xml文件名 |
|---|---|
| 人脸检测器（默认） | haarcascade_frontalface_default.xml |
| 人脸检测器（快速的haar） | haarcascade_frontalface_alt2.xml |
| 人脸检测器（tree） | haarcascade_frontalface_alt_tree.xml |
| 人脸检测器（haar_1） | haarcascade_frontalface_alt.xml |
小结
开源的人脸检测分类器对于标准的人脸识别足够了，要想精确识别比如，侧脸、模糊、光照、遮挡的人脸，只能通过深度机器学习进一步优化识别精度和速度。
源码
https://gitee.com/52itstyle/python/tree/master/day09
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，如果有疑问大家可以留言交流，谢谢大家对服务器之家的支持。
原文链接：https://blog.52itstyle.vip/archives/3771/