✅作者简介：热爱科研的算法开发者，Python、Matlab项目可交流、沟通、学习。
????个人主页：算法工程师的学习日志
一、OpenCV简单介绍
安装OpenCV，使用pip安装，推荐使用清华源，速度快：
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple
另外还需要另外一个模块：
pip install opencv-contrib-python -i https://pypi.tuna.tsinghua.edu.cn/simple
接下来就可以学习OpenCV了。
1.1、OpenCv显示图像
简单读取一个图像，并将该图像显示：
# 导入模块
import cv2
# 读取图片
im = cv2.imread('./zxc/1.jpg')
# 显示图片，该方法只会显示一瞬间。（第一个参数为窗口名称，第二个参数为ndarray对象）
cv2.imshow('im', im)
# 等待键盘输入，传入毫秒值，当传入0时表示无限等待。（imshow配合该方法可以让界面一直显示）
cv2.waitKey(0)
# 因为OpenCv是用C/C++写的，所以需要释放内存
cv2.destroyAllWindows()
上述代码就实现了最简单的读取并显示图像的操作了。
1.2、opencv图像灰度转换
灰度转换就是将图片转换成黑白图像。因为我们在人脸识别时，灰度图像便于识别，
import cv2
# 读取图像
im = cv2.imread('./zxc/2.jpg')
# 灰度转换（第一个参数为ndarray对象，第二个参数为cv2中的常量），返回一个ndarray对象
grey = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
# 将grey保存
cv2.imwrite('grey.jpg', grey)
# 显示灰度转换后的图像
cv2.imshow('grey', grey)
# 等待键盘输入
cv2.waitKey(0)
# 销毁窗口
cv2.destroyAllWindows()
1.3、绘制图形
后续在检测人脸的时候，我们会绘制图形，将人脸框起来。图形的绘制也非常简单.
import cv2
# 读取图像
im = cv2.imread('./zxc/15.jpg')
# 在图像im上绘制矩形
"""
第一个参数为ndarray对象
第二个参数为左上角的坐标(x1, y1)
第三个参数为右下角的坐标(x2, y2)
第四个参数为颜色值，其顺序不同于我们之前的，使用的是BGR
第五个参数为线条宽度
"""
cv2.rectangle(im, (220, 100), (380, 250), (255, 255, 0), 2)
# 显示图像
cv2.imshow('im', im)
# 等待输入
cv2.waitKey(0)
# 销毁窗口
cv2.destroyAllWindows()
二、人脸检测
2.1、获取特征数据
开始人类检测之前，我们要先获取一个特征数据。在opencv安装目录中，cv2/data文件夹，进入该文件夹后，里面全是特征文件，我们一般选用haarcascade_frontalface_default.xml。
2.1、检测人脸
我们可以把特征文件复制到我们项目下，也可以直接用绝对路径引用。cv2.CascadeClassifier对象可以用来检测人脸
face_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')其中，传入参数为特征文件的路径。我们可以选择相对路径，也可以选择绝对路径。完整人类检测代码如下：
import cv2
# 加载特征数据
face_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# 读取图片
im = cv2.imread('./zxc/2.jpg')
# 检测人脸，返回人脸的位置信息
faces = face_detector.detectMultiScale(im)
# 遍历人脸
for x, y, w, h in faces:
# 在人脸区域绘制矩形
cv2.rectangle(im, (x, y), (x+w, y+h), (255, 255, 0), 2)
# 显示图像
cv2.imshow('im', im)
cv2.waitKey(0)
cv2.destroyAllWindows()
其中detectMultiScale方法返回一个数组对象，这个对象保存了n张人脸的左上角坐标、脸的宽、脸的高。检测效果如下：
三、人脸识别
3.1、训练数据
训练数据主要有两个部分，人脸信息和标签，其中标签为int列表。我在目录data中准备了钢铁侠和周星驰的图片，钢铁侠为1，周星驰为2。
准备好图像后，我们就可以开始训练数据了，训练数据代码如下：
import cv2
import os
import numpy
root_path = "./data/"
lables = []
faces = []
def getFacesAndLabels():
"""读取图片特征和标签"""
global root_path
# 获取人脸检测器
face_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# 获取图片路径
folders = os.listdir(root_path)
for folder in folders:
path = os.path.join(root_path, folder)
files = os.listdir(path)
for file in files:
# 读取图片
path1 = os.path.join(path, file)
im = cv2.imread(path1)
# 转换灰度
grey = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
# 读取人脸数据
face = face_detector.detectMultiScale(grey)
for x, y, w, h in face:
# 设置标签，分离文件名称
lables.append(int(folder))
# 设置人脸数据
faces.append(grey[y:y + h, x:x + w])
return faces, lables
# 调用方法获取人脸信息及标签
faces, labels = getFacesAndLabels()
# 获取训练对象
recognizer = cv2.face.LBPHFaceRecognizer_create()
# 训练数据
recognizer.train(faces, numpy.array(labels))
# 保存训练数据
recognizer.write('model.yml')
3.2、人脸识别
我们训练完数据后，就可以进行人脸识别了。在识别之前我们先加载训练数据，然后就是基本的人类检测步骤。最后我们调用predict方法进行人脸识别，在训练数据中匹配人物。
import cv2
# 加载训练数据集
recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('./model.yml')
# 准备识别的图片
im = cv2.imread('10.jpg')
grey = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
# 检测人脸
face_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
face = face_detector.detectMultiScale(grey)
for x, y, w, h in face:
cv2.rectangle(im, (x, y), (x + w, y + h), (0, 255, 0), 2)
label, confidence = recognizer.predict(grey[y:y + h, x:x + w])
print(
"""
识别到人脸信息
标签：%d
可信度：%d
""" % (label, confidence)
)
if confidence > 60:
if label == 1:
print("小罗伯特唐尼")
print("图片标签：", str(label))
print("可信度：", str(confidence))
elif label == 2:
print("周星驰")
print("图片标签：", str(label))
print("可信度：", str(confidence))
else:
print("未匹配到数据")
cv2.imshow('im', im)
cv2.waitKey(0)
cv2.destroyAllWindows()
