当前位置: 首页>编程语言>正文

openCV识别人脸并裁剪 opencv识别特定人脸

基于opencv-python的人脸识别算法


文章目录

  • 基于opencv-python的人脸识别算法
  • 前言
  • 一、opencv-python的安装与配置
  • 二、实现步骤
  • 1.引入库
  • 2.调用opencv自带的人脸识别级联分类器
  • 总结



前言

本学期参加了项目实践课程,需要做一个人脸识别的功能,由于项目考虑到了移植性,所以打算使用python来进行图像处理。


一、opencv-python的安装与配置

关于opencv-python的安装,我用的是pycharm。pycharm作为一个智能集成的开发工具,我们可以直接在上面安装各种环境。

openCV识别人脸并裁剪 opencv识别特定人脸,openCV识别人脸并裁剪 opencv识别特定人脸_人脸识别,第1张

在设置中我们可以看到当前项目所安装的包和环境。如果没有安装某个包,我们可以在左上角的加号中直接搜索并获取

openCV识别人脸并裁剪 opencv识别特定人脸,openCV识别人脸并裁剪 opencv识别特定人脸_openCV识别人脸并裁剪_02,第2张

我们点开加号,在搜索栏直接搜索opencv-python,pycharm就会直接帮我们下载安装,我们稍等片刻即可。

openCV识别人脸并裁剪 opencv识别特定人脸,openCV识别人脸并裁剪 opencv识别特定人脸_python_03,第3张

二、实现步骤

1.引入库

安装好后,我们在左边的项目文件夹中新建一个python文件

openCV识别人脸并裁剪 opencv识别特定人脸,openCV识别人脸并裁剪 opencv识别特定人脸_人脸识别_04,第4张

名字我们就叫"test1"好了

openCV识别人脸并裁剪 opencv识别特定人脸,openCV识别人脸并裁剪 opencv识别特定人脸_opencv_05,第5张

然后我们来跑一个小小的例程,看看我们的opencv有没有作用

import cv2                                      #导入cv2包

camera = cv2.VideoCapture(0)                    #打开摄像头

while (True):                                   #来一个死循环
    # 读取一帧图像
    ret, frame = camera.read()                  #两个变量分别读取摄像头画面
    if ret:                                     #如果ret有画面则代表读取成功
        cv2.imshow("camera",frame);             #将画面展示出来
        if cv2.waitKey(1) & 0xff == ord('q'):   #如果键盘键入"q"则break出死循环
            break  
             
camera.release()                                #别忘了释放摄像头和关闭窗口
cv2.destroyAllWindows()

openCV识别人脸并裁剪 opencv识别特定人脸,openCV识别人脸并裁剪 opencv识别特定人脸_opencv_06,第6张

可以看到我们成功地打开了摄像头

2.调用opencv自带的人脸识别级联分类器

如果找不到或者没有的话可以下载
opencv人脸识别xml

接下来我们需要在死循环前面加入一个变量并且调用我们的级联分类器

face_casecade = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml') # "./"代表当前.py文件相同路径,
                                                                               # 如果你的级联分类器在别的地方也可以使用绝对路径

我们加入了这个变量之后可以通过下面这句代码来启动人脸识别的功能

face_casecade.detectMultiScale(gray_img, 1.1, 3)

从这句代码代码可以看出,我们第一个参数需要一张灰度图,那我们就需要将摄像头的画面转成灰度图。

第二个参数是每次缩小图像的比例,默认是1.1

第三个参数是匹配成功所需要的周围矩形框的数目,每一个特征匹配到的区域都是一个矩形框,只有多个矩形框同时存在的时候,才认为是匹配成功,比如人脸,这个默认值是3

上述部分引用自:opencv人脸检测_Haar特征分类器实现人脸检测_cascade.detectMultiScale参数详解该处详细解释可以查看这篇文章

所以我们需要先将frame转换成灰度图,然后再调用上面那个函数,并且用一个新的变量face来承接结果:

gray_img = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
face = face_casecade.detectMultiScale(gray_img, 1.3, 2)#我后面两个参数是1.3和2,仅供参考,大家以自己的为准

这样我们就已经完成人脸识别的功能了。为了体现该功能,我们需要将识别到的人脸用带颜色的框框给画出来。

for (x, y, w, h) in face:
            # 在原图上绘制矩形
            cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 2)
            print("(x:",(x+w)/2,",y:",(y+h)/2,")")

(0,0,255)代表着BGR,这个示例的数值代表着红色,大家也可以换成其他颜色。

最后我们将整段代码结合起来试一试效果:

import cv2                                      #导入cv2包

camera = cv2.VideoCapture(0)                    #打开摄像头

face_casecade = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml') # "./"代表当前.py文件相同路径,
                                                                               # 如果你的级联分类器在别的地方也可以使用绝对路径


while (True):                                   #来一个死循环
    # 读取一帧图像
    ret, frame = camera.read()                  #两个变量分别读取摄像头画面

    # 如果ret有画面则代表读取成功
    if ret:
        gray_img = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)      # 转换为灰度图
        face = face_casecade.detectMultiScale(gray_img, 1.3, 2) # 人脸检测

        for (x, y, w, h) in face:
            # 在原图上绘制矩形
            cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 2)
            print("(x:",(x+w)/2,",y:",(y+h)/2,")")

            cv2.imshow("camera",frame);  # 将画面展示出来


        if cv2.waitKey(1) & 0xff == ord('q'):   #如果键盘键入"q"则break出死循环
            break

camera.release()                                #别忘了释放摄像头和关闭窗口
cv2.destroyAllWindows()

openCV识别人脸并裁剪 opencv识别特定人脸,openCV识别人脸并裁剪 opencv识别特定人脸_opencv_07,第7张

好!很有精神!


总结

这篇文章只是很简单的一个人脸识别的例程,用的是opencv官方训练好的分类器。如果有时间的话可以更进一步,做一个属于自己的分类器。这样我们就可以识别特定人脸而不是有脸都行了!XD



https://www.xamrdz.com/lan/5d61963621.html

相关文章: