下午的時(shí)候，配好了OpenCV的Python環(huán)境辐董，OpenCV的Python環(huán)境搭建悴品。于是迫不及待的想體驗(yàn)一下opencv的人臉識(shí)別，如下文简烘。
必備知識(shí)
Haar-like
Haar-like百科釋義苔严。通俗的來講，就是作為人臉特征即可孤澎。
Haar特征值反映了圖像的灰度變化情況届氢。例如：臉部的一些特征能由矩形特征簡(jiǎn)單的描述，如：眼睛要比臉頰顏色要深覆旭，鼻梁兩側(cè)比鼻梁顏色要深退子，嘴巴比周圍顏色要深等。
opencv api
要想使用opencv型将，就必須先知道其能干什么寂祥，怎么做。于是API的重要性便體現(xiàn)出來了七兜。就本例而言丸凭，使用到的函數(shù)很少，也就普通的讀取圖片，灰度轉(zhuǎn)換惜犀，顯示圖像铛碑，簡(jiǎn)單的編輯圖像罷了。
如下：
讀取圖片
只需要給出待操作的圖片的路徑即可虽界。
import cv2
image = cv2.imread(imagepath)
灰度轉(zhuǎn)換
灰度轉(zhuǎn)換的作用就是：轉(zhuǎn)換成灰度的圖片的計(jì)算強(qiáng)度得以降低汽烦。
import cv2
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
畫圖
opencv 的強(qiáng)大之處的一個(gè)體現(xiàn)就是其可以對(duì)圖片進(jìn)行任意編輯，處理莉御。
下面的這個(gè)函數(shù)最后一個(gè)參數(shù)指定的就是畫筆的大小撇吞。
import cv2
cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)
顯示圖像
編輯完的圖像要么直接的被顯示出來，要么就保存到物理的存儲(chǔ)介質(zhì)颈将。
import cv2
cv2.imshow("Image Title",image)
獲取人臉識(shí)別訓(xùn)練數(shù)據(jù)
看似復(fù)雜梢夯，其實(shí)就是對(duì)于人臉特征的一些描述，這樣opencv在讀取完數(shù)據(jù)后很據(jù)訓(xùn)練中的樣品數(shù)據(jù)晴圾，就可以感知讀取到的圖片上的特征颂砸，進(jìn)而對(duì)圖片進(jìn)行人臉識(shí)別。
import cv2
face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')
里賣弄的這個(gè)xml文件死姚，就是opencv在GitHub上共享出來的具有普適的訓(xùn)練好的數(shù)據(jù)人乓。我們可以直接的拿來使用。
探測(cè)人臉
說白了都毒，就是根據(jù)訓(xùn)練的數(shù)據(jù)來對(duì)新圖片進(jìn)行識(shí)別的過程色罚。
import cv2
# ···
# 探測(cè)圖片中的人臉
faces = face_cascade.detectMultiScale(
gray,
scaleFactor = 1.15,
minNeighbors = 5,
minSize = (5,5),
flags = cv2.cv.CV_HAAR_SCALE_IMAGE
)
我們可以隨意的指定里面參數(shù)的值，來達(dá)到不同精度下的識(shí)別账劲。返回值就是opencv對(duì)圖片的探測(cè)結(jié)果的體現(xiàn)戳护。
處理人臉探測(cè)的結(jié)果
結(jié)束了剛才的人臉探測(cè)，我們就可以拿到返回值來做進(jìn)一步的處理了瀑焦。但這也不是說會(huì)多么的復(fù)雜腌且，無非添加點(diǎn)特征值罷了。
import cv2
# ···
print "發(fā)現(xiàn){0}個(gè)人臉!".format(len(faces))
for(x,y,w,h) in faces:
cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)
實(shí)例
有了剛才的基礎(chǔ)榛瓮，我們就可以完成一個(gè)簡(jiǎn)單的人臉識(shí)別的小例子了铺董。
圖片素材
下面的這張圖片將作為我們的檢測(cè)依據(jù)。
人臉檢測(cè)代碼
# coding:utf-8
import sys
reload(sys)
sys.setdefaultencoding('utf8')
# __author__ = '郭 璞'
# __date__ = '2016/9/5'
# __Desc__ = 人臉檢測(cè)小例子禀晓，以圓圈圈出人臉
import cv2
# 待檢測(cè)的圖片路徑
imagepath = r'./heat.jpg'
# 獲取訓(xùn)練好的人臉的參數(shù)數(shù)據(jù)精续，這里直接從GitHub上使用默認(rèn)值
face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')
# 讀取圖片
image = cv2.imread(imagepath)
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
# 探測(cè)圖片中的人臉
faces = face_cascade.detectMultiScale(
gray,
scaleFactor = 1.15,
minNeighbors = 5,
minSize = (5,5),
flags = cv2.cv.CV_HAAR_SCALE_IMAGE
)
print "發(fā)現(xiàn){0}個(gè)人臉!".format(len(faces))
for(x,y,w,h) in faces:
# cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)
cv2.circle(image,((x+x+w)/2,(y+y+h)/2),w/2,(0,255,0),2)
cv2.imshow("Find Faces!",image)
cv2.waitKey(0)
人臉檢測(cè)結(jié)果
-
輸出圖片：
人臉檢測(cè)結(jié)果 輸出結(jié)果：
D:\Software\Python2\python.exe E:/Code/Python/DataStructor/opencv/Demo.py
發(fā)現(xiàn)3個(gè)人臉!
詳情見 案例參考
總結(jié)
回顧一下，這次的實(shí)驗(yàn)就是簡(jiǎn)單的對(duì)opencv的常用的api的使用粹懒，重點(diǎn)在于訓(xùn)練數(shù)據(jù)的使用和人臉探測(cè)的處理重付。
