github地址:https://github.com/haoxinl/face_detect

博客地址:http://haoxinl.club/2018/02/19/face-detect-4/

前言

本文主要介紹模型的測試旭从，主要分為圖片測試與視頻測試兩部分。

正文

圖片測試

代碼如下:

import cv2
from  train_model import Model
from  read_data import read_name_list

class img_reader(object):
    def __init__(self):
        self.model = Model()
        self.model.load()
        self.img_size = 128


    def build_img(self):
        face_cascade = cv2.CascadeClassifier('C:\pylearning\ml&dl\\face_detect\config\haarcascade_frontalface_alt.xml')
        #讀取dataset數(shù)據(jù)集下的子文件夾名稱
        name_list = read_name_list('face')

        img=cv2.imread('test.jpg')

        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #圖像灰化
        faces = face_cascade.detectMultiScale(gray, 1.3, 5)#識別人臉

        for (x, y, w, h) in faces:
            ROI = gray[x:x + w, y:y + h]
            ROI = cv2.resize(ROI, (self.img_size, self.img_size), interpolation=cv2.INTER_LINEAR)
            label,prob = self.model.predict(ROI)  #利用模型對cv2識別出的人臉進行比對
            if prob >0.8:    #如果模型認為概率高于70%則顯示為模型中已有的label
                show_name = name_list[label]
            else:
                show_name = 'Stranger'
            cv2.putText(img, show_name, (x, y - 20), cv2.FONT_HERSHEY_SIMPLEX, 1, 255, 2)  #顯示名字
            img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
        cv2.imwrite('new.jpg',img)#在人臉區(qū)域畫一個正方形出來
        cv2.imshow("face", img)
        cv2.waitKey(0)

與獲取人臉時的操作幾乎相同，不多介紹

視頻測試

import cv2
from  train_model import Model
from  read_data import read_name_list

class Camera_reader(object):
    #在初始化camera的時候建立模型珍语，并加載已經(jīng)訓(xùn)練好的模型
    def __init__(self):
        self.model = Model()
        self.model.load()
        self.img_size = 128

    def build_camera(self):
        #opencv文件中人臉級聯(lián)文件的位置藤乙，用于幫助識別圖像或者視頻流中的人臉
        face_cascade = cv2.CascadeClassifier('C:\pylearning\ml&dl\\face_detect_v0\config\haarcascade_frontalface_alt.xml')
        #讀取dataset數(shù)據(jù)集下的子文件夾名稱
        name_list = read_name_list('face')

        #打開攝像頭并開始讀取畫面
        cameraCapture = cv2.VideoCapture('C:\pylearning\ml&dl\\face_detect_v0\data_script\output3.mp4')
        success, frame = cameraCapture.read()

        while success and cv2.waitKey(1) == -1 :
             success, frame = cameraCapture.read()
             gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) #圖像灰化
             faces = face_cascade.detectMultiScale(gray, 1.3, 5)#識別人臉

             for (x, y, w, h) in faces:
                ROI = gray[x:x + w, y:y + h]
                ROI = cv2.resize(ROI, (self.img_size, self.img_size), interpolation=cv2.INTER_LINEAR)
                label,prob = self.model.predict(ROI)  #利用模型對cv2識別出的人臉進行比對
                if prob >0.85:    #如果模型認為概率高于70%則顯示為模型中已有的label
                    show_name = name_list[label]
                else:
                    show_name = 'Stranger'
                cv2.putText(frame, show_name, (x, y - 20), cv2.FONT_HERSHEY_SIMPLEX, 1, 255, 2)  #顯示名字
                frame = cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)  #在人臉區(qū)域畫一個正方形出來
             cv2.imshow("Camera", frame)

        cameraCapture.release()
        cv2.destroyAllWindows()

結(jié)語

至此迁客，所有的內(nèi)容都已經(jīng)結(jié)束了起惕，我們已經(jīng)成功實現(xiàn)了一個多目標人臉識別器盅粪，不過接下來的路還很長柜与，一起加油吧场躯！
至于內(nèi)容的問題，本項目只提供一個思路旅挤，具體細節(jié)肯定不甚清楚踢关，有一定基礎(chǔ)后比較適合閱讀，還清多多包涵粘茄。