人脸识别

人脸识别

在Opencv中人脸识别是基于Haar特征+Adaboost级联分类器来实现人脸识别的!

要理解这节内容,我们首先要明白什么是特征?

特征其实就是某个区域的像素点经过运算之后得到的结果! 例如haar特征其实就是用下图列出的模板在图像中滑动,计算白色区域覆盖的像素之和减去黑色区域覆盖的像素之和,运算出来的结果就是haar特征值!

Haar特征一般和Adaboost分类器结合在一起进行目标识别!

这里需要运动机器学习的知识! 不过值得庆幸的是Opencv已经为我们训练好了数据,并且已经提取出了人脸的特征,在opencv的源码中有相应的xml特征文件. 并且我们只需要调用opencv提供好的API即可快速完成人脸识别的功能!

核心api为:

# 加载已经训练好的特征文件
faces_xml = cv.CascadeClassifier("assets/haarcascade_frontalface_default.xml")
# 根据特征文件去查找人脸
faces_xml.detectMultiScale(图像, 缩放系数, 至少检验次数)

实现步骤:

1. 加载特征xml文件
2. 加载图片
3. 灰度处理
4. 判决
5. 绘制出检测出来的人脸

import cv2 as cv
# 第1步：加载xml文件
faces_xml = cv.CascadeClassifier("assets/haarcascade_frontalface_default.xml")
eyes_xml = cv.CascadeClassifier("assets/haarcascade_eye.xml")

# 第2步：加载图片
img = cv.imread("img/lena.jpg", cv.IMREAD_COLOR)

# 第3步：将图片转成灰色图片
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

# 第4步：使用api进行人脸识别 参数2：缩放系数  参数3：至少要检测几次才算正确
faces = faces_xml.detectMultiScale(gray, 1.3, 5)
print("找到人脸的数量：",len(faces))

# 在人脸上绘制矩形
for (x,y,w,h) in faces:
    # 在找到人脸上画矩形
    cv.rectangle(img,(x,y),(x+w,y+h),(0,255,0),5)

    # 从灰色图片中找到人脸
    grayFace = gray[y:y+h,x:x+w]
    colorFace = img[y:y+h,x:x+w]
    # 在当前人脸上找到眼睛的位置
    eyes = eyes_xml.detectMultiScale(grayFace,1.3,5)
    print("当前人脸上眼睛数量：",len(eyes))
    # 在眼睛上绘制矩形
    for (e_x,e_y,e_w,e_h) in eyes:
        cv.rectangle(colorFace,(e_x,e_y),(e_x+e_w,e_y+e_h),(0,0,255),3)

cv.imshow('result',img)
cv.waitKey(0)
cv.destroyAllWindows()