溫馨提示×

溫馨提示×

您好，登錄后才能下訂單哦！

密碼登錄×
登錄注冊×
其他方式登錄
點擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》

Python基于Opencv來快速實現(xiàn)人臉識別過程詳解（完整版）

發(fā)布時間：2020-09-28 15:10:03 來源：腳本之家 閱讀：180 作者：千鋒Python唐唐君 欄目：開發(fā)技術(shù)

前言

隨著人工智能的日益火熱，計算機(jī)視覺領(lǐng)域發(fā)展迅速，尤其在人臉識別或物體檢測方向更為廣泛，今天就為大家?guī)碜罨A(chǔ)的人臉識別基礎(chǔ)，從一個個函數(shù)開始走進(jìn)這個奧妙的世界。

首先看一下本實驗需要的數(shù)據(jù)集，為了簡便我們只進(jìn)行兩個人的識別，選取了beyond樂隊的主唱黃家駒和貝斯手黃家強，這哥倆長得有幾分神似，這也是對人臉識別的一個考驗：

Python基于Opencv來快速實現(xiàn)人臉識別過程詳解（完整版）

兩個文件夾，一個為訓(xùn)練數(shù)據(jù)集，一個為測試數(shù)據(jù)集，訓(xùn)練數(shù)據(jù)集中有兩個文件夾0和1，之前看一些資料有說這里要遵循“slabel”命名規(guī)則，但后面處理起來比較麻煩，因為目前opencv接受的人臉識別標(biāo)簽為整數(shù)，那我們就直接用整數(shù)命名吧：

Python基于Opencv來快速實現(xiàn)人臉識別過程詳解（完整版）

為了方便，我們每個人用20張照片來訓(xùn)練，0代表黃家駒，1代表黃家強：

Python基于Opencv來快速實現(xiàn)人臉識別過程詳解（完整版）

開始啦：

1.檢測人臉

這應(yīng)該是最基本的，給我們一張圖片，我們要先檢測出人臉的區(qū)域，然后才能
進(jìn)行操作，opencv已經(jīng)內(nèi)置了很多分類檢測器，我們這次用haar：

def detect_face(img):
 #將測試圖像轉(zhuǎn)換為灰度圖像，因為opencv人臉檢測器需要灰度圖像
 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
 #加載OpenCV人臉檢測分類器Haar
 face_cascade = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')
 #檢測多尺度圖像，返回值是一張臉部區(qū)域信息的列表（x,y,寬,高）
 faces = face_cascade.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=5)
 # 如果未檢測到面部，則返回原始圖像
 if (len(faces) == 0):
 return None, None
 #目前假設(shè)只有一張臉，xy為左上角坐標(biāo)，wh為矩形的寬高
 (x, y, w, h) = faces[0]
 #返回圖像的正面部分
 return gray[y:y + w, x:x + h], faces[0]

2.有了數(shù)據(jù)集和檢測人臉的功能后，我們就可以進(jìn)行預(yù)訓(xùn)練了

最后返回所有訓(xùn)練圖片的人臉檢測信息和標(biāo)簽：

# 該函數(shù)將讀取所有的訓(xùn)練圖像，從每個圖像檢測人臉并將返回兩個相同大小的列表，分別為臉部信息和標(biāo)簽
def prepare_training_data(data_folder_path):
 # 獲取數(shù)據(jù)文件夾中的目錄（每個主題的一個目錄）
 dirs = os.listdir(data_folder_path)
 # 兩個列表分別保存所有的臉部和標(biāo)簽
 faces = []
 labels = []
 # 瀏覽每個目錄并訪問其中的圖像
 for dir_name in dirs:
 # dir_name(str類型)即標(biāo)簽
 label = int(dir_name)
 # 建立包含當(dāng)前主題主題圖像的目錄路徑
 subject_dir_path = data_folder_path + "/" + dir_name
 # 獲取給定主題目錄內(nèi)的圖像名稱
 subject_images_names = os.listdir(subject_dir_path)
 # 瀏覽每張圖片并檢測臉部，然后將臉部信息添加到臉部列表faces[]
 for image_name in subject_images_names:
 # 建立圖像路徑
 image_path = subject_dir_path + "/" + image_name
 # 讀取圖像
 image = cv2.imread(image_path)
 # 顯示圖像0.1s
 cv2.imshow("Training on image...", image)
 cv2.waitKey(100)
 # 檢測臉部
 face, rect = detect_face(image)
 # 我們忽略未檢測到的臉部
 if face is not None:
 #將臉添加到臉部列表并添加相應(yīng)的標(biāo)簽
 faces.append(face)
 labels.append(label)
 cv2.waitKey(1)
 cv2.destroyAllWindows()
 #最終返回值為人臉和標(biāo)簽列表
 return faces, labels

3.有了臉部信息和對應(yīng)標(biāo)簽后，我們就可以使用opencv自帶的識別器來進(jìn)行訓(xùn)練了：

#調(diào)用prepare_training_data（）函數(shù)
faces, labels = prepare_training_data("training_data")
#創(chuàng)建LBPH識別器并開始訓(xùn)練，當(dāng)然也可以選擇Eigen或者Fisher識別器
face_recognizer = cv2.face.LBPHFaceRecognizer_create()
face_recognizer.train(faces, np.array(labels))

4.訓(xùn)練完畢后就可以進(jìn)行預(yù)測了

在這之前我們可以設(shè)定一下預(yù)測的格式，包括用矩形框框出人臉并標(biāo)出其名字，當(dāng)然最后別忘了建立標(biāo)簽與真實姓名直接的映射表：

#根據(jù)給定的（x，y）坐標(biāo)和寬度高度在圖像上繪制矩形
def draw_rectangle(img, rect):
 (x, y, w, h) = rect
 cv2.rectangle(img, (x, y), (x + w, y + h), (128, 128, 0), 2)
# 根據(jù)給定的（x，y）坐標(biāo)標(biāo)識出人名
def draw_text(img, text, x, y):
 cv2.putText(img, text, (x, y), cv2.FONT_HERSHEY_COMPLEX, 1, (128, 128, 0), 2)
#建立標(biāo)簽與人名的映射列表（標(biāo)簽只能為整數(shù)）
subjects = ["jiaju", "jiaqiang"]

5.現(xiàn)在就可以定義我們的預(yù)測函數(shù)了：

# 此函數(shù)識別傳遞的圖像中的人物并在檢測到的臉部周圍繪制一個矩形及其名稱
def predict(test_img):
 #生成圖像的副本，這樣就能保留原始圖像
 img = test_img.copy()
 #檢測人臉
 face, rect = detect_face(img)
 #預(yù)測人臉
 label = face_recognizer.predict(face)
 # 獲取由人臉識別器返回的相應(yīng)標(biāo)簽的名稱
 label_text = subjects[label[0]]
 # 在檢測到的臉部周圍畫一個矩形
 draw_rectangle(img, rect)
 # 標(biāo)出預(yù)測的名字
 draw_text(img, label_text, rect[0], rect[1] - 5)
 #返回預(yù)測的圖像
 return img

6.最后使用我們test_data中的圖片進(jìn)行預(yù)測并顯示最終效果：

#加載測試圖像
test_img1 = cv2.imread("test_data/test1.jpg")
test_img2 = cv2.imread("test_data/test2.jpg")
#執(zhí)行預(yù)測
predicted_img1 = predict(test_img1)
predicted_img2 = predict(test_img2)
#顯示兩個圖像
cv2.imshow(subjects[0], predicted_img1)
cv2.imshow(subjects[1], predicted_img2)
cv2.waitKey(0)
cv2.destroyAllWindows()

來看看識別的結(jié)果：

Python基于Opencv來快速實現(xiàn)人臉識別過程詳解（完整版）

這就是人臉識別最基本的流程，后續(xù)還會進(jìn)一步的研究，下一篇我們將討論本次實驗的一些細(xì)節(jié)和注意事項，算是對本篇的一次挖掘和總結(jié)吧。

最后附上完整代碼：

# # -*- coding:utf-8 -*-
import cv2
import os
import numpy as np
# 檢測人臉
def detect_face(img):
 #將測試圖像轉(zhuǎn)換為灰度圖像，因為opencv人臉檢測器需要灰度圖像
 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
 #加載OpenCV人臉檢測分類器Haar
 face_cascade = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')
 #檢測多尺度圖像，返回值是一張臉部區(qū)域信息的列表（x,y,寬,高）
 faces = face_cascade.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=5)
 # 如果未檢測到面部，則返回原始圖像
 if (len(faces) == 0):
 return None, None
 #目前假設(shè)只有一張臉，xy為左上角坐標(biāo)，wh為矩形的寬高
 (x, y, w, h) = faces[0]
 #返回圖像的正面部分
 return gray[y:y + w, x:x + h], faces[0]
# 該函數(shù)將讀取所有的訓(xùn)練圖像，從每個圖像檢測人臉并將返回兩個相同大小的列表，分別為臉部信息和標(biāo)簽
def prepare_training_data(data_folder_path):
 # 獲取數(shù)據(jù)文件夾中的目錄（每個主題的一個目錄）
 dirs = os.listdir(data_folder_path)
 # 兩個列表分別保存所有的臉部和標(biāo)簽
 faces = []
 labels = []
 # 瀏覽每個目錄并訪問其中的圖像
 for dir_name in dirs:
 # dir_name(str類型)即標(biāo)簽
 label = int(dir_name)
 # 建立包含當(dāng)前主題主題圖像的目錄路徑
 subject_dir_path = data_folder_path + "/" + dir_name
 # 獲取給定主題目錄內(nèi)的圖像名稱
 subject_images_names = os.listdir(subject_dir_path)
 # 瀏覽每張圖片并檢測臉部，然后將臉部信息添加到臉部列表faces[]
 for image_name in subject_images_names:
 # 建立圖像路徑
 image_path = subject_dir_path + "/" + image_name
 # 讀取圖像
 image = cv2.imread(image_path)
 # 顯示圖像0.1s
 cv2.imshow("Training on image...", image)
 cv2.waitKey(100)
 # 檢測臉部
 face, rect = detect_face(image)
 # 我們忽略未檢測到的臉部
 if face is not None:
 #將臉添加到臉部列表并添加相應(yīng)的標(biāo)簽
 faces.append(face)
 labels.append(label)
 cv2.waitKey(1)
 cv2.destroyAllWindows()
 #最終返回值為人臉和標(biāo)簽列表
 return faces, labels
#調(diào)用prepare_training_data（）函數(shù)
faces, labels = prepare_training_data("training_data")
#創(chuàng)建LBPH識別器并開始訓(xùn)練，當(dāng)然也可以選擇Eigen或者Fisher識別器
face_recognizer = cv2.face.LBPHFaceRecognizer_create()
face_recognizer.train(faces, np.array(labels))
#根據(jù)給定的（x，y）坐標(biāo)和寬度高度在圖像上繪制矩形
def draw_rectangle(img, rect):
 (x, y, w, h) = rect
 cv2.rectangle(img, (x, y), (x + w, y + h), (128, 128, 0), 2)
# 根據(jù)給定的（x，y）坐標(biāo)標(biāo)識出人名
def draw_text(img, text, x, y):
 cv2.putText(img, text, (x, y), cv2.FONT_HERSHEY_COMPLEX, 1, (128, 128, 0), 2)
#建立標(biāo)簽與人名的映射列表（標(biāo)簽只能為整數(shù)）
subjects = ["jiaju", "jiaqiang"]
# 此函數(shù)識別傳遞的圖像中的人物并在檢測到的臉部周圍繪制一個矩形及其名稱
def predict(test_img):
 #生成圖像的副本，這樣就能保留原始圖像
 img = test_img.copy()
 #檢測人臉
 face, rect = detect_face(img)
 #預(yù)測人臉
 label = face_recognizer.predict(face)
 # 獲取由人臉識別器返回的相應(yīng)標(biāo)簽的名稱
 label_text = subjects[label[0]]
 # 在檢測到的臉部周圍畫一個矩形
 draw_rectangle(img, rect)
 # 標(biāo)出預(yù)測的名字
 draw_text(img, label_text, rect[0], rect[1] - 5)
 #返回預(yù)測的圖像
 return img
#加載測試圖像
test_img1 = cv2.imread("test_data/test1.jpg")
test_img2 = cv2.imread("test_data/test2.jpg")
#執(zhí)行預(yù)測
predicted_img1 = predict(test_img1)
predicted_img2 = predict(test_img2)
#顯示兩個圖像
cv2.imshow(subjects[0], predicted_img1)
cv2.imshow(subjects[1], predicted_img2)
cv2.waitKey(0)
cv2.destroyAllWindows()

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持億速云。

向AI問一下細(xì)節(jié)

免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權(quán)請聯(lián)系站長郵箱：is@yisu.com進(jìn)行舉報，并提供相關(guān)證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI
助
手