基于OpenCV人脸识别案例_基于opencv的人脸识别例程-程序员宅基地

原理

我们使用机器学习的方法完成人脸检测，首先需要大量的正样本图像（面部图像）和负样本图像（不含面部的图像）来训练分类器。我们需要从其中提取特征。下图中的 Haar 特征会被使用，就像我们的卷积核，每一个特征是一个值，这个值等于黑色矩形中的像素值之后减去白色矩形中的像素值之和。
在这里插入图片描述

Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描述，眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。

Haar特征可用于于图像任意位置，大小也可以任意改变，所以矩形特征值是矩形模版类别、矩形位置和矩形大小这三个因素的函数。故类别、大小和位置的变化，使得很小的检测窗口含有非常多的矩形特征。

在这里插入图片描述
得到图像的特征后，训练一个决策树构建的adaboost级联决策器来识别是否为人脸。

操作

OpenCV中自带已训练好的检测器，包括面部，眼睛，猫脸等，都保存在XML文件中，我们可以通过以下程序找到他们：

import cv2 as cv
print(cv.__file__)

在这里插入图片描述
那我们就利用这些文件来识别人脸，眼睛等。检测流程如下：

读取图片，并转换成灰度图

实例化人脸和眼睛检测的分类器对象

 # 实例化级联分类器
 classifier =cv.CascadeClassifier( "haarcascade_frontalface_default.xml" ) 
 # 加载分类器
 classifier.load('haarcascade_frontalface_default.xml')

进行人脸和眼睛的检测

 rect = classifier.detectMultiScale(gray, scaleFactor, minNeighbors, minSize,maxsize)

参数：

Gray: 要进行检测的人脸图像
scaleFactor: 前后两次扫描中，搜索窗口的比例系数
minneighbors：目标至少被检测到minNeighbors次才会被认为是目标
minsize和maxsize: 目标的最小尺寸和最大尺寸
将检测结果绘制出来就可以了。

示例：

import cv2 as cv
import matplotlib.pyplot as plt
# 1.以灰度图的形式读取图片
img = cv.imread("16.jpg")
gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)

# 2.实例化OpenCV人脸和眼睛识别的分类器 
face_cas = cv.CascadeClassifier( "haarcascade_frontalface_default.xml" ) 
face_cas.load('haarcascade_frontalface_default.xml')

eyes_cas = cv.CascadeClassifier("haarcascade_eye.xml")
eyes_cas.load("haarcascade_eye.xml")

# 3.调用识别人脸 
faceRects = face_cas.detectMultiScale( gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32)) 
for faceRect in faceRects: 
    x, y, w, h = faceRect 
    # 框出人脸 
    cv.rectangle(img, (x, y), (x + h, y + w),(0,255,0), 3) 
    # 4.在识别出的人脸中进行眼睛的检测
    roi_color = img[y:y+h, x:x+w]
    roi_gray = gray[y:y+h, x:x+w]
    eyes = eyes_cas.detectMultiScale(roi_gray) 
    for (ex,ey,ew,eh) in eyes:
        cv.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)
# 5. 检测结果的绘制
plt.figure(figsize=(8,6),dpi=100)
plt.imshow(img[:,:,::-1]),plt.title('检测结果')
plt.xticks([]), plt.yticks([])
plt.show()

在视频中对人脸进行检测：

import cv2 as cv
import matplotlib.pyplot as plt
# 1.读取视频
cap = cv.VideoCapture("movie.mp4")
# 2.在每一帧数据中进行人脸识别
while(cap.isOpened()):
    ret, frame = cap.read()
    if ret==True:
        gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
        # 3.实例化OpenCV人脸识别的分类器 
        face_cas = cv.CascadeClassifier( "haarcascade_frontalface_default.xml" ) 
        face_cas.load('haarcascade_frontalface_default.xml')
        # 4.调用识别人脸 
        faceRects = face_cas.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32)) 
        for faceRect in faceRects: 
            x, y, w, h = faceRect 
            # 框出人脸 
            cv.rectangle(frame, (x, y), (x + h, y + w),(0,255,0), 3) 
        cv.imshow("frame",frame)
        if cv.waitKey(1) & 0xFF == ord('q'):
            break
# 5. 释放资源
cap.release()  
cv.destroyAllWindows()

本文链接：https://blog.csdn.net/qq_45066628/article/details/119355396

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

编程语言数值型和字符型数据的概念_数值字符-程序员宅基地

文章浏览阅读1.7k次。在编程语言中区分变量的数据类型；最简单的是数值型和字符型；以SQL为例；新建一个表如下图；name列是字符型，age列是数值型；保存表名为pp；录入如下图的数据；看这里name列输入的‘123’、'789'，这些是字符型的数据；age输入的内容是数值型；显示结果如下；因为age列是数值型，输入的 009 自动变为了 9；写查询语句时字符型数据按语法规则是用引号括起来；如果如下图写也可以运行出结果；是因为sqlserver本身具有一定的智能识别功能；写比较长的SQL语句_数值字符

Caffe2 Tutorials[0]（转）-程序员宅基地

文章浏览阅读558次。Caffe2 Tutorials[0]（转）https://github.com/wizardforcel/data-science-notebook/blob/master/dl/more/caffe2-tut.md本系列教程包括9个小节，对应Caffe2官网的前9个教程，第10个教程讲的是在安卓下用SqueezeNet进行物体检测，此处不再翻译。另外由于栏主不关注RNN和LS..._writer.add_scalar [enforce fail at pybind_state.cc:221] ws->hasblob(name). c

java学习笔记day09 final、多态、抽象类、接口_} } class a { public void show() { show2(); } publ-程序员宅基地

文章浏览阅读155次。java学习笔记day09思维导图final 、多态、抽象类、接口（都很重要）一、final二、多态多态中的成员访问特点【P237】多态的好处【P239]多态的弊端向上转型、向下转型【P241】形象案例：孔子装爹多态的问题理解： class 孔子爹 { public int age = 40; public void teach() { System.out.println("讲解JavaSE"); } _} } class a { public void show() { show2(); } public void show2() { s

Qt5通信 QByteArray中文字符出现乱码解决方法_qbytearray中文乱码-程序员宅基地

文章浏览阅读2.4k次，点赞3次，收藏9次。在写qt网口通信的过程中，遇到中文就乱码。解决方法如下：1.接收端处理中文乱码代码如下 QByteArray-> QString 中文乱码解决： #include <QTextCodec>QByteArray data= tcpSocket->readAll(); QTextCodec *tc = QTextCodec::codecForName("GBK"); QString str = tc->toUnicode(data);//str如果是中文则是中文字符_qbytearray中文乱码

JavaScript之DOM操作获取元素、事件、操作元素、节点操作_元素事件-程序员宅基地

文章浏览阅读2.5k次，点赞2次，收藏15次。什么是 DOM？文档对象模型（Document Object Model，简称 DOM），是 W3C 组织推荐的处理可扩展标记语言（HTML或者XML）的标准编程接口。W3C 已经定义了一系列的 DOM 接口，通过这些 DOM 接口可以改变网页的内容、结构和样式DOM 树文档：一个页面就是一个文档，DOM 中使用 document 表示元素：页面中的所有标签都是元素，DOM 中使用 element 表示节点：网页中的所有内容都是节点（标签、属性、文本、注释等），DOM 中使用 node._元素事件

安卓基础知识(一) 服务（Service）_安卓服务-程序员宅基地

文章浏览阅读1.4k次，点赞3次，收藏7次。关于服务的一些基本知识，包括活动对接口的方法调用，接口实现，服务生命周期等知识。_安卓服务

随便推点

如何双启动Linux和Windows-程序员宅基地

文章浏览阅读252次。尽管Linux是具有广泛硬件和软件支持的出色操作系统，但现实是有时您必须使用Windows，这可能是由于关键应用程序无法在Linux下运行。幸运的是，双重引导Windows和Linux非常简单-本文将向您展示如何使用Windows 10和Ubuntu 18.04进行设置。在开始之前，请确保已备份计算机。尽管双启动设置过程不是很复杂，但是仍然可能发生事故。因此，请花点时间备份您的重要..._windows linux双启动

【flink番外篇】1、flink的23种常用算子介绍及详细示例（1）- map、flatmap和filter_flink 常用的分类和计算-程序员宅基地

文章浏览阅读1.6w次，点赞25次，收藏20次。本文主要介绍Flink 的3种常用的operator（map、flatmap和filter）及以具体可运行示例进行说明.将集合中的每个元素变成一个或多个元素,并返回扁平化之后的结果。按照指定的条件对集合中的元素进行过滤,过滤出返回true/符合条件的元素。本文主要介绍Flink 的3种常用的operator及以具体可运行示例进行说明。这是最简单的转换之一，其中输入是一个数据流，输出的也是一个数据流。下文中所有示例都是用该maven依赖，除非有特殊说明的情况。中了解更新系统的内容。中了解更新系统的内容。_flink 常用的分类和计算