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/