手把手教你如何用 OpenCV + Python 實現人臉識別

雷鋒網按：本文作者郭璞，原文載於作者個人博客，雷鋒網已獲授權。

下午的時候，配好了OpenCV的Python環境，OpenCV的Python環境搭建。於是迫不及待的想體驗一下opencv的人臉識別，如下文。

Haar-like

Haar-like百科釋義。通俗的來講，就是作為人臉特徵即可。

Haar特徵值反映了圖像的灰度變化情況。例如：臉部的一些特徵能由矩形特徵簡單的描述，如：眼睛要比臉頰顏色要深，鼻樑兩側比鼻樑顏色要深，嘴巴比周圍顏色要深等。

opencv api

要想使用opencv，就必須先知道其能幹什麼，怎麼做。於是API的重要性便體現出來了。就本例而言，使用到的函數很少，也就普通的讀取圖片，灰度轉換，顯示圖像，簡單的編輯圖像罷了。

如下：

讀取圖片

只需要給出待操作的圖片的路徑即可。

import cv2

image = cv2.imread(imagepath)

灰度轉換

灰度轉換的作用就是：轉換成灰度的圖片的計算強度得以降低。

import cv2

gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

畫圖

opencv 的強大之處的一個體現就是其可以對圖片進行任意編輯，處理。 下面的這個函數最後一個參數指定的就是畫筆的大小。

import cv2

cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)

顯示圖像

編輯完的圖像要麼直接的被顯示出來，要麼就保存到物理的存儲介質。

import cv2

cv2.imshow("Image Title",image)

獲取人臉識別訓練數據

看似複雜，其實就是對於人臉特徵的一些描述，這樣opencv在讀取完數據後很據訓練中的樣品數據，就可以感知讀取到的圖片上的特徵，進而對圖片進行人臉識別。

import cv2

face_cascade = cv2.CascadeClassifier(r"./haarcascade_frontalface_default.xml")

里賣弄的這個xml文件，就是opencv在GitHub上共享出來的具有普適的訓練好的數據。我們可以直接的拿來使用。

訓練數據參考地址：

https://github.com/opencv/opencv/tree/master/data/haarcascades

探測人臉

說白了，就是根據訓練的數據來對新圖片進行識別的過程。

import cv2

# 探測圖片中的人臉

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裡面參數的值，來達到不同精度下的識別。返回值就是opencv對圖片的探測結果的體現。

處理人臉探測的結果

結束了剛才的人臉探測，我們就可以拿到返回值來做進一步的處理了。但這也不是說會多麼的複雜，無非添加點特徵值罷了。

import cv2

print "發現{0}個人臉!".format(len(faces))

for(x,y,w,h) in faces:

cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)

實例

有了剛才的基礎，我們就可以完成一個簡單的人臉識別的小例子了。

圖片素材

下面的這張圖片將作為我們的檢測依據。

人臉檢測代碼

# coding:utf-8

import sys

reload(sys)

sys.setdefaultencoding("utf8")

# __author__ = "郭 璞"

# __date__ = "2016/9/5"

# __Desc__ = 人臉檢測小例子，以圓圈圈出人臉

import cv2

# 待檢測的圖片路徑

imagepath = r"./heat.jpg"

# 獲取訓練好的人臉的參數數據，這裡直接從GitHub上使用默認值

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 "發現{0}個人臉!".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)

人臉檢測結果

輸出圖片：

輸出結果：

D:SoftwarePython2python.exe E:/Code/Python/DataStructor/opencv/Demo.py

發現3個人臉!

詳情見：案例參考

回顧一下，這次的實驗就是簡單的對opencv的常用的api的使用，重點在於訓練數據的使用和人臉探測的處理。

從初級到高級，理論 + 實戰，一站式深度了解 TensorFlow！

本課程面向深度學習開發者，講授如何利用 TensorFlow 解決圖像識別、文本分析等具體問題。課程跨度為 10 周，將從 TensorFlow 的原理與基礎實戰技巧開始，一步步教授學員如何在 TensorFlow 上搭建 CNN、自編碼、RNN、GAN 等模型，並最終掌握一整套基於 TensorFlow 做深度學習開發的專業技能。

兩名授課老師佟達、白髮川身為 ThoughtWorks 的資深技術專家，具有豐富的大數據平台搭建、深度學習系統開發項目經驗。

時間：每周二、四晚 20：00-21：00

開課時長：總學時 20 小時，分 10 周完成，每周 2 次，每次 1 小時

線上授課地址：http://www.mooc.ai/

雷鋒網相關閱讀：

老闆來了：人臉識別 + 手機推送，老闆來了你立刻知道！

繼LFW之後，騰訊優圖又在難度更大的人臉識別庫MegaFace中獲得全球第一

33歲男子如何發現自己被拐真相？除了川式烤魚，還有人臉識別技術