OpenCV人脸监测与识别步骤
人脸识别技术是基于人的脸部特征，对输入的人脸图像或者视频流，首先判断其是否存在人脸，如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。
并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。
1. 人脸识别步骤
梳理一下人脸识别实现的步骤，主要由人脸采集，预处理，特征提取，匹配与识别四个步骤组成
2. 人脸监测
人脸识别首先应该先实现人脸监测，要先在一张图片中捕获到人脸，再去识别图片中的人脸和数据库中人脸数据进行比较。
人脸检测的最常见方法是使用"Haar 分类器"。基于 Haar 功能的级联分类器的对象检测是 Paul Viola 和 Michael Jones 提出的一种有效的对象检测、基于机器学习的方法。
进行人脸检测需要大量的图像数据来训练分类器,然后从中提取特征,使用OpenCV可以进行人脸的训练和推理，也可以训练自己的分类器为任何对象进行分类，同时OpenCV包含许多预先训练过的分类器，我们只需要调用OpenCV的接口就可以。
代码如下：
#导入cv模块 import cv2 as cv #检测函数 def face_detect(): gary = cv.cvtColor(img,cv.COLOR_BGR2GRAY) face_detect = cv.CascadeClassifier('haarcascade_frontalface_default.xml') face = face_detect.detectMultiScale(gary) for x,y,w,h in face: cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2) cv.imshow('result',img) #读取图像 img = cv.imread('face2.jpg') #检测函数 face_detect() #等待 while True: if ord('q') == cv.waitKey(0): break #释放内存 cv.destroyAllWindows()
在代码中，首先对读取的图像进行了灰度处理,然后引入级联分类器文件，通过detectMultiScale()函数来调用分类器功能
通过rectangle()函数来标记图像中的面孔，如果发现人脸，它会返回检测到的面部位置，作为左上角（x，y）的矩形，并将”w”作为宽度，将”h”作为高度 。
运行效果如下：
3. 录入人脸功能模块
导入第三方库：
import cv2 import os from PIL import Image import numpy as np
OS：主要是对文件和文件夹进行操作，在Python中对⽂件和⽂件夹的操作要借助os模块⾥⾯的相关功能。
PIL：python中最常用的图形处理库，PIL支持图像存储、显示和处理，它能够处理几乎所有图片格式，可以完成对图像的缩放、裁剪、叠加以及图像添加线条、图像和文字等操作。
NumPy：一个由多维数组对象和用于处理数组的例程集合组成的库。可以执行以下操作：数组的算数和逻辑运算。傅立叶变换和用于图形操作的例程。与线性代数有关的操作。NumPy 拥有线性代数和随机数生成的内置函数。
存储人脸数据：
facesSamples=[]
存储姓名数据：
ids=[]
存储图片信息：
imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
加载分类器：
face_detector = cv2.CascadeClassifier('haarcascade_frontalface_alt2.xml'
遍历列表中的图片：
for imagePath in imagePaths:
将打开的图片灰度化：
PIL_img = Image.open(imagePath).convert('L')
将图片转化为数组：
img_numpy = np.array(PIL_img,'uint8')
获取图片人脸特征：
faces = face_detector.detectMultiScale(img_numpy)
获取每一张拍摄图片的id与姓名：
id = int(os.path.split(imagePath)[1].split('.')[0])
做判断，预防拍摄无面容图片：
for x,y,w,h in faces: ids.append(id) facesSamples.append(img_numpy[y:y+h,x:x+w])
打印面部特征与id，并返回数据：
print('id',id)
print('fs:',facesSamples)
return facesSamples,ids
调用图片路径：
path='./data/jm/'
获取图像数组和id标签数组和姓名：
faces,ids=getImageAndLabels(path)
加载识别器：
recognizer = cv2.face.LBPHFaceRecognizer_create()
训练数据：
recognizer.train(faces,np.array(ids))
保存面部特征到文件夹：
recognizer.write('tupian/tupian.yml')
完整代码如下：
import os
import cv2
from PIL import Image
import numpy as np
def getImageAndLabels(path):
facesSamples=[]
ids=[]
imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
#检测人脸
face_detector = cv2.CascadeClassifier('haarcascade_frontalface_alt2.xml')
#打印数组imagePaths
print('数据排列：',imagePaths)
#遍历列表中的图片
for imagePath in imagePaths:
#打开图片,黑白化
PIL_img=Image.open(imagePath).convert('L')
#将图像转换为数组，以黑白深浅
# PIL_img = cv2.resize(PIL_img, dsize=(400, 400))
img_numpy=np.array(PIL_img,'uint8')
#获取图片人脸特征
faces = face_detector.detectMultiScale(img_numpy)
#获取每张图片的id和姓名
id = int(os.path.split(imagePath)[1].split('.')[0])
#预防无面容照片
for x,y,w,h in faces:
ids.append(id)
facesSamples.append(img_numpy[y:y+h,x:x+w])
print('id:', id)
print('fs:', facesSamples)
return facesSamples,ids
if __name__ == '__main__':
#图片路径
path='./data/jm/'
#获取图像数组和id标签数组和姓名
faces,ids=getImageAndLabels(path)
#获取训练对象
recognizer=cv2.face.LBPHFaceRecognizer_create()
#recognizer.train(faces,names)#np.array(ids)
recognizer.train(faces,np.array(ids))
#保存文件
recognizer.write('trainer/trainer.yml')
#save_to_file('names.txt',names)
4. 人脸识别
人脸识别器已经完成，现在要在相机上捕获人脸。如果此人之前拍摄并训练过他的脸，识别器将做出预测，返回ID名。
使用刚刚训练的识别器模型(加载trainer.yml)，然后就和刚刚“人脸分类器”的步骤一样去进行人脸识别，并且recognizer.predict将返回每张图片识别后的匹配率。
人脸识别实现函数如下：
def face_detect(img):
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转换为灰度
face_detector=cv2.CascadeClassifier(r'haarcascade_frontalface_alt2.xml')
face=face_detector.detectMultiScale(gray,1.1,5,cv2.CASCADE_SCALE_IMAGE,(100,100),(300,300))
#face=face_detector.detectMultiScale(gray)
for x,y,w,h in face:
cv2.circle(img,center=(x+w//2,y+h//2),radius=w//2,color=(0,255,0),thickness=1)
# 人脸识别
ids, confidence = recogizer.predict(gray[y:y + h, x:x + w])
#print('标签id:',ids,'置信评分：', confidence)
if confidence > 80:
cv2.putText(img, 'unkonw', (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
else:
cv2.putText(img,str(names[ids-1]), (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
cv2.imshow('result',img)
添加名字标签:
#名字标签
def name():
path = './tupian/'
# names = []
imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
for imagePath in imagePaths:
name = str(os.path.split(imagePath)[1].split('.',2)[1])
names.append(name)
加载监控或已保存下来的视频：
#加载视频
cap=cv2.VideoCapture(8)
name()
while True:
flag,frame=cap.read()
if not flag:
break
face_detect_demo(frame)
if ord(' ') == cv2.waitKey(10):
break
#释放内存+视频
cv2.destroyAllWindows()
cap.release()
最终效果如下
5. 遇到的问题
旭日x3派并没有opencv-contrib-python库,需要通过
pip install opencv-contrib-python
进行安装
用OPENCV出现这样的错误:
cpp error: (-215:Assertion failed) !_src.empty() in function 'cv::cvtColor'
这个错误可能是因为图片路径形式书写错误，图片的格式不对，图片的数量不一致，路径中存在中文导致
审核编辑：刘清
-
人脸识别技术
+关注
关注
0文章
125浏览量
14498 -
傅立叶变换
+关注
关注
3文章
105浏览量
32381 -
OpenCV
+关注
关注
31文章
634浏览量
41336 -
python
+关注
关注
56文章
4792浏览量
84623 -
PIL
+关注
关注
0文章
19浏览量
8609
原文标题：OpenCV人脸识别系统开发(一）：OpenCV人脸监测与识别
文章出处：【微信号：vision263com，微信公众号：新机器视觉】欢迎添加关注！文章转载请注明出处。
发布评论请先 登录
相关推荐
树莓派上使用OpenCV和Python实现实时人脸检测
基于openCV的人脸检测系统的设计
【NanoPi2申请】基于opencv的人脸识别门禁系统
【LeMaker Guitar申请】基于LeMaker Guitar的人脸识别系统
【LeMaker Guitar试用体验】之基于Python下的人脸识别系统【结贴】
LabVIE人脸识别
【Raspberry Pi 3试用体验】+Opencv+python的人脸识别
基于QT+OpenCV的人脸识别-米尔iMX8M Plus开发板的项目应用
【飞凌RK3568开发板试用体验】使用OpenCV进行人脸识别
基于SeetaFace2和OpenCV实现人脸识别
使用DFRobot LattePanda进行OpenCV人脸识别
工商网监
评论