Python | Opencv的人脸检测和人类识别

用户9925864

发布于 2022-07-27 08:56:34

1.7K0

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()