人脸检测是 OpenCV 的一个很不错的功能,它是人脸识别的基础。人脸识别其实就是一个程序能识别给定图像或视频中的人脸。
人脸识别模块特征
1、是用一系列分好类的图像来“训练”程序,并基于这些图像来进行识别。这就是OpenCV 及其人脸识别模块进行人脸识别的过程。
2、每个识别都具有转置信(confidence)评分,因此可在实际应用中通过对其设置阈值来进行筛选。
人脸识别两种方式
1、自己获得图像或从人脸数据库免费获得可用的人脸图像。
2、互联网上有许多人脸数据库:为了对这些样本进行人脸识别,必须要在包含人脸的样本图像上进行人脸识别。这是一 个学习的过程,但并不像自己提供的图像那样令人满意。
python中OpenCV的人脸检测功能操作实例
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 # 加载特征数据 face_detector = cv2.CascadeClassifier( 'D:/Python/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml') # 参数: scaleFactor(比例因子):图片缩放多少,minNeighbors:至少检测多少次,minSize maxSize:当前检测区域的最小面积 # scaleFactor=1.01, minNeighbors=3, maxSize=(33, 33), minSize=(28, 28) # 遍历列表中的图片 for imagePath in imagePaths: # 打开当前图片 PIL_img = Image.open(imagePath).convert('L') # 将图片转化为数组 img_numpy = np.array(PIL_img, 'uint8') faces = face_detector.detectMultiScale(img_numpy) # 获取每张图片的id id = int(os.path.split(imagePath)[1].split('.')[0]) # 获取人脸区域 for x, y, w, h in faces: # 进行切片处理,获取图像数组和id facesSamples.append(img_numpy[y:y+h, x:x+w]) ids.append(id) 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 faces, ids = getImageAndLabels(path) # 获取循环对象 recognizer = cv2.face.LBPHFaceRecognizer_create() recognizer.train(faces, np.array(ids)) # 保存文件 recognizer.write('trainer/trainer.yml')