python画人脸代码_10行代码实现python人脸识别
什么是人脸识别
人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部识别的一系列相关技术,通常也叫做人像识别、面部识别。
目前的人脸识别技术已经非常成熟了,还发展成3D人脸识别。而且现在各大厂商也都提供了人脸识别的API接口供我们调用,可以说几行代码就可以完成人脸识别。但是人脸识别的根本还是基于图像处理。在Python中最强大的图像处理库就是OpenCV。
OpenCV简介
OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux、Windows、Android和Mac OS操作系统上。OpenCV可用于开发实时的图像处理、计算机视觉以及模式识别程序。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法。
OpenCV基本使用
安装
pip install opencv-python # 基础库
pip install opencv-contrib-python # 扩展库
pip install opencv-python-headless
读取图片
读取和显示图片是最基本的操作了,OpenCV当中使用imread和imshow实现该操作
import cv2 as cv
# 读取图片,路径不能含有中文名,否则图片读取不出来
image = cv.imread('1111.jpg')
# 显示图片
cv.imshow('image', image)
# 等待键盘输入,单位是毫秒,0表示无限等待
cv.waitKey(0)
# 因为最终调用的是C++对象,所以使用完要释放内存
cv.destroyAllWindows()
将图片转为灰度图
OpenCV中数百中关于不同色彩控件之间转换的方法。目前最常用的有三种:灰度、BGR、HSV。
灰度色彩空间是通过去除彩色信息来讲图片转换成灰阶,灰度图会大量减少图像处理中的色彩处理,对人脸识别很有效。
BGR每个像素都由一个三元数组来表示,分别代码蓝、绿、红三种颜色。python中还有一个库PIL,读取的图片通道是RGB,其实是一样的,只是颜色顺序不一样
HSV,H是色调,S是饱和度,V是黑暗的程度
将图片转换为灰度图
import cv2 as cv
# 读取图片,路径不能含有中文名,否则图片读取不出来
image = cv.imread('1111.jpg')
# cv2读取图片的通道是BGR,
# PIL读取图片的通道是RGB
# code选择COLOR_BGR2GRAY,就是BGR to GRAY
gray_image = cv.cvtColor(image, code=cv.COLOR_BGR2GRAY)
# 显示图片
cv.imshow('image', gray_image)
# 等待键盘输入,单位是毫秒,0表示无限等待
cv.waitKey(0)
# 因为最终调用的是C++对象,所以使用完要释放内存
cv.destroyAllWindows()
绘制矩形
image = cv.imread('1111.jpg')
x, y, w, h = 50, 50, 80, 80
# 绘制矩形
cv.rectangle(image, (x, y, x+w, y+h), color=(0, 255, 0), thickness=2)
# 绘制圆形
cv.circle(image, center=(x + w//2, y + h//2), radius=w//2, color=(0, 0, 255), thickness=2)
cv.imshow('image', image)
cv.waitKey(0)
cv.destroyAllWindows()
人脸检测
人脸检测实际上是对图像提取特征,Haar特征是一种用于实现实时人脸跟踪的特征。每个Haar特征都描述了相邻图像区域的对比模式。比如边、定点和细线都能生成具有判别性的特征。
OpenCV给我们提供了Haar特征数据,在cv2/data目录下,使用特征数据的方法def detectMultiScale(self, image, scaleFactor=None, minNeighbors=None, flags=None, minSize=None, maxSize=None)
scaleFactor: 指定每个图像比例缩小多少图像
minNeighbors: 指定每个候选矩形必须保留多少个邻居,值越大说明精度要求越高
minSize:检测到的最小矩形大小
maxSize: 检测到的最大矩形大小
检测图片中人脸
import os
import cv2 as cv
def face_detect_demo(image):
# 将图片转换为灰度图
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
# 加载特征数据
face_detector = cv.CascadeClassifier(os.path.join(cv.data.haarcascades, 'haarcascade_frontalface_default.xml'))
faces = face_detector.detectMultiScale(gray)
for x, y, w, h in faces:
cv.rectangle(image, (x, y), (x + w, y + h), color=(0, 255, 0), thickness=2)
# 读取图片,路径不能含有中文名,否则图片读取不出来
image = cv.imread('2222.jpg')
face_detect_demo(image)
# 显示图片
cv.imshow('image', image)
# 等待键盘输入,单位是毫秒,0表示无限等待
cv.waitKey(0)
# 因为最终调用的是C++对象,所以使用完要释放内存
cv.destroyAllWindows()
采用默认参数,检测人脸数据不全,需要调整detectMultiScale函数的参数,调整为faces = face_detector.detectMultiScale(gray, scaleFactor=1.02, minNeighbors=3)
我们发现除了检测到人脸数据,还有一些其他的脏数据,这个时候可以打印检测出的人脸数据位置和大小
faces = face_detector.detectMultiScale(gray, scaleFactor=1.02, minNeighbors=3)
for x, y, w, h in faces:
print(x, y, w, h) # 打印每一个检测到的数据位置和大小
cv.rectangle(image, (x, y), (x + w, y + h), color=(0, 255, 0), thickness=2)
从大小中我们看到最大的两个矩形,刚好是人脸数据,其余都是脏数据,那么继续修改函数参数faces = face_detector.detectMultiScale(gray, scaleFactor=1.02, minNeighbors=3, minSize=(80, 80))
检测视频中人脸
视频就是一张一张的图片组成的,在视频的帧上面重复这个过程就能完成视频中的人脸检测了。视频读取OpenCV为我们提供了函数VideoCapture,参数可以是视频文件或者0(表示调用摄像头)
import cv2 as cv
# 人脸检测
def face_detect_demo(image):
try:
# 将图片转换为灰度图
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
# 加载特征数据
face_detector = cv.CascadeClassifier(os.path.join(cv.data.haarcascades, 'haarcascade_frontalface_default.xml'))
faces = face_detector.detectMultiScale(gray)
for x, y, w, h in faces:
print(x, y, w, h)
cv.rectangle(image, (x, y), (x + w, y + h), color=(0, 255, 0), thickness=2)
except Exception as e:
pass
cap = cv.VideoCapture('人脸识别.mp4')
while cap.isOpened():
flag, frame = cap.read()
face_detect_demo(frame)
cv.imshow('result', frame)
if ord('q') == cv.waitKey(5):
break
cap.realse()
cv.destroyAllWindows()
这个我们是做的人脸识别,怎么把爱好都识别了,这么先进吗?很显然这不太符合我们的要求,爱好只能藏在心里,你给我检测出来就不行了。所以我们必须要进行优化处理。OpenCV为我们提供了一个机器学习的小模块,我们可以训练它,让它只识别我们需要的部分,不要乱猜测。
训练数据
训练数据就是我们把一些图片交给训练模型,让模型熟悉她,这样它就能更加准确的识别相同的图片。训练的数据一般我们可以从网上搜索:人脸识别数据库,或者从视频中保存美帧的数据作为训练集。所有的人脸识别算法在他们的train()函数中都有两个参数:图像数组和标签数组。这些标签标示进行识别时候的人脸ID,根据ID可以知道被识别的人是谁。
获取训练集
从视频中每隔5帧截取一个图片,保存成图片
import cv2
cap = cv2.VideoCapture('人脸识别.mp4')
number = 100
count = 1
while cap.isOpened() and number > 0:
flag, frame = cap.read()
if not flag:
break
if count % 5 == 0:
# 按照视频图像中人脸的大体位置进行裁剪,只取人脸部分
img = frame[70:280, 520:730]
cv2.imwrite('data/{}.png'.format(number), img)
number -= 1
count += 1
cap.release()
cv2.destroyAllWindows()
使用LBPH训练模型
def getImageAndLabels(path_list):
faces = []
ids = []
image_paths = [os.path.join(path_list, f) for f in os.listdir(path_list) if f.endswith('.png')]
face_detector = cv.CascadeClassifier(os.path.join(cv.data.haarcascades, 'haarcascade_frontalface_default.xml'))
for image in image_paths:
img = cv.imread(image)
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
faces = face_detector.detectMultiScale(gray)
_id = int(os.path.split(image)[1].split('.')[0])
for x, y, w, h in faces:
faces.append(gray[y:y+h, x:x+w])
ids.append(_id)
return faces, ids
faces, ids = getImageAndLabels('data')
# 训练
recognizer = cv.face.LBPHFaceRecognizer_create()
recognizer.train(faces, np.array(ids))
# 保存训练特征
recognizer.write('trains/trains.yml')
基于LBPH的人脸识别
LBPH将检测到的人脸分为小单元,并将其与模型中的对应单元进行比较,对每个区域的匹配值产生一个直方图。调整后的区域中调用predict函数,该函数返回两个元素的数组,第一个元素是所识别的个体标签,第二个元素是置信度评分。所有的算法都有一个置信度评分阈值,置信度评分用来衡量图像与模型中的差距,0表示完全匹配。LBPH有一个好的识别参考值要低于50。
基本步骤为:
cv.VideoCapture读取视频
Haar算法检测人脸数据
基于LBPH训练集得到准确人脸数据,并输出标记此人是谁
按置信度取准确度高的人脸标记出来
import os
import cv2 as cv
def face_detect_demo(image):
try:
global number
# 将图片转换为灰度图
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
# 加载特征数据
faces = face_detector.detectMultiScale(gray, scaleFactor=1.02, minNeighbors=3)
for x, y, w, h in faces:
# 获取置信度,大于80表示取值错误
_id, confidence = recognizer.predict(gray[y:y + h, x:x + w])
if confidence
cv.rectangle(image, (x, y), (x + w, y + h), color=(0, 255, 0), thickness=2)
except Exception as e:
pass
def check_face():
cap = cv.VideoCapture('人脸识别.mp4')
while cap.isOpened():
flag, frame = cap.read()
if not flag:
break
face_detect_demo(frame)
cv.imshow('img', frame)
cv.waitKey(2)
cv.destroyAllWindows()
if __name__ == '__main__':
# 加载训练数据文件
recognizer = cv.face.LBPHFaceRecognizer_create()
recognizer.read('trains/trains.yml')
face_detector = cv.CascadeClassifier(os.path.join(cv.data.haarcascades, 'haarcascade_frontalface_default.xml'))
check_face()
总结
通过上面一步步的学习,你是不是对OpenCV人脸识别有个基本的认识了呢?但是我们也看到了,整个人脸识别的主要算法还是基于Haar,而且准确度并不是特别高,主要是会检测出很多非人脸的数据。LBPH是让我们给某个人脸进行标记,告诉我们他是谁,并没有提高实际的检测准确度。现在机器学习是非常火爆的,基于OpenCV的机器学习人脸识别也精确度也很高,下次我们在来对比几种机器学习人脸识别的库。
python画人脸代码_10行代码实现python人脸识别相关推荐
- 人脸识别代码_10行代码实现人脸识别
什么是人脸识别 人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术.用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部识别的一系列相关技术 ...
- java微信支付代码_10行代码搞定微信支付(Java版)
原标题:10行代码搞定微信支付(Java版) 微信支付痛点 对于大多数同学来说,要开发微信支付可不简单.附上微信支付官方文档网页链接 从文档上可以看出,你需要解决很多问题,我就随便挑几个吧. xml与 ...
- python画爱心原理_Python18行代码做出来这样有点浪漫,又有点极客的“内涵”图...
今天就来教大家这个套路: 如何使用 Python 来做出来这样有点浪漫,又有点极客的"内涵"图. 当然,能不能靠它得到心仪对象的青睐,就要靠你(命)了.(๑•́₃ •̀๑) 那么要 ...
- android简单小程序完整代码_10行代码实现小程序支付功能!丨实战
" 纯干货!本文教你用云开发轻松实现强大的小程序支付功能! " 导语 前面给大家讲过如何借助小程序云开发实现微信支付,但是这种开发方式相对繁琐,并且具有不稳定性,今天就给大家讲一下 ...
- python编程小游戏代码-Python小游戏之300行代码实现俄罗斯方块
前言 本文代码基于 python3.6 和 pygame1.9.4. 俄罗斯方块是儿时最经典的游戏之一,刚开始接触 pygame 的时候就想写一个俄罗斯方块.但是想到旋转,停靠,消除等操作,感觉好像很 ...
- python小游戏源码-Python小游戏之300行代码实现俄罗斯方块
Python小游戏之300行代码实现俄罗斯方块 来源:中文源码网 浏览: 次 日期:2019年11月5日 [下载文档: Python小游戏之300行代码实现俄罗斯方块.txt ] (友情提示:右键点上 ...
- python写百行代码可运行_56 岁潘石屹学俩月 Python ,写下百行代码
原标题:56 岁潘石屹学俩月 Python ,写下百行代码 By 超神经 内容导读:跨界王潘石屹在近期迷上了编程,不仅高调宣布学习 Python,拜老师,还隔三差五晒出自己的「编程课作业」,和网友进行 ...
- python画花女朋友_教你使用python画一朵花送女朋友
本文实例为大家分享了用python画一朵花的具体代码,供大家参考,具体内容如下 第一种,画法 from turtle import * import time setup(600,800,0,0) s ...
- 如何用python画一朵花_教你使用python画一朵花送女朋友
本文实例为大家分享了用python画一朵花的具体代码,供大家参考,具体内容如下 第一种,画法 from turtle import * import time setup(600,800,0,0) s ...
最新文章
- ubuntu下pytorch
- React Native之AppRegistry模块
- echarts在.Net中使用实例(二) 使用ajax动态加载数据
- .NET Core TDD 前传: 编写易于测试的代码 -- 依赖项
- 论通过测试与失败测试
- SpringMVC 工作原理了解吗?
- windows通过bat运行指定位置程序及设置开机自启
- 2015.2.2号工作日志------------------------赵鑫
- JS的迭代器和可迭代对象详解
- 下一代云计算架构,VMware要占“半壁江山”
- 如何从0到1设计业务系统
- CSS3中的关键帧@keyframes 和 动画animation
- Java基础题10:(单选题)以下代码的输出结果是() public class Test { public static void main(String[] args) { Stri
- 第一周 平面点的对称点
- ▷Scratch课堂丨【编程趣味卡11】虚拟宠物
- 人大金仓数据Windows安装教程
- 入手评测 r5 5600x和r7 5700g选哪个好
- java 获取ip地址
- 微型铣床行业调研报告 - 市场现状分析与发展前景预测
- 腾讯听听智能音箱使用体验_第一篇