OpenCv 之（图片人脸识别）和（摄像头读入）

##先来张人脸识别效果图：

##1、概述

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的一系列相关技术，通常也叫做人像识别、面部识别。

##2、人脸识别步骤

1    人脸图像采集及检测
2    人脸图像预处理
3    人脸图像特征提取以及匹配与识别

##3、人脸识别的方法

在OpenCV中主要使用了两种特征（即两种方法）进行人脸检测，Haar特征和LBP特征。使用已经训练好的XML格式的分类器进行人脸检测。在OpenCV的安装目录下的sources文件夹里的data文件夹里可以看到下图所示的内容（opencv\sources\data\haarcascades ）：

文件夹的名字“haarcascades”、“hogcascades”和“lbpcascades”分别表示通过“haar”、“hog”和“lbp”三种不同的特征而训练出的分类器："haar"特征主要用于人脸检测，“hog”特征主要用于行人检测，“lbp”特征主要用于人脸识别，“eye”特征主要用于眼睛的检测识别。实现人脸检测主要依赖于detectMultiScale()函数，下面简单说一下函数参数的含义，先看函数原型：

CV_WRAP virtual void detectMultiScale( const Mat& image,  CV_OUT vector<Rect>& objects,  double scaleFactor=1.1,  int minNeighbors=3, int flags=0,  Size minSize=Size(),  Size maxSize=Size() );

各参数含义：
const Mat& image: 需要被检测的图像（灰度图）
vector<Rect>& objects: 保存被检测出的人脸位置坐标序列
double scaleFactor: 每次图片缩放的比例
int minNeighbors: 每一个人脸至少要检测到多少次才算是真的人脸
int flags： 决定是缩放分类器来检测，还是缩放图像
Size(): 表示人脸的最大最小尺寸

##4、源代码分析

####（1）检测图片中的人脸

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/calib3d/calib3d.hpp>using namespace std;
using namespace cv;int main()
{Mat image, image_gray;      //定义两个Mat变量，用于存储每一帧的图像image = imread("F://1.png");imshow("原图", image);cvtColor(image, image_gray, CV_BGR2GRAY);//转为灰度图equalizeHist(image_gray, image_gray);//直方图均衡化，增加对比度方便处理CascadeClassifier eye_Classifier;  //载入分类器CascadeClassifier face_cascade;    //载入分类器//加载分类训练器，OpenCv官方文档提供的xml文档，可以直接调用//xml文档路径  opencv\sources\data\haarcascades if (!eye_Classifier.load("F:\\haarcascade_eye.xml"))  //需要将xml文档放在自己指定的路径下{  cout << "Load haarcascade_eye.xml failed!" << endl;return 0;}if (!face_cascade.load("F:\\haarcascade_frontalface_alt.xml")){cout << "Load haarcascade_frontalface_alt failed!" << endl;return 0;}//vector 是个类模板 需要提供明确的模板实参 vector<Rect>则是个确定的类 模板的实例化vector<Rect> eyeRect;vector<Rect> faceRect;//检测关于眼睛部位位置eye_Classifier.detectMultiScale(image_gray, eyeRect, 1.1, 2, 0 | CV_HAAR_SCALE_IMAGE, Size(30, 30));for (size_t eyeIdx = 0; eyeIdx < eyeRect.size(); eyeIdx++){ rectangle(image, eyeRect[eyeIdx], Scalar(0, 0, 255));   //用矩形画出检测到的位置}//检测关于脸部位置face_cascade.detectMultiScale(image_gray, faceRect, 1.1, 2, 0 | CV_HAAR_SCALE_IMAGE, Size(30, 30));for (size_t i = 0; i < faceRect.size(); i++){  rectangle(image, faceRect[i], Scalar(0, 0, 255));      //用矩形画出检测到的位置}imshow("人脸识别图", image);         //显示当前帧waitKey(0);}return 0;
}

####（2）检测摄像头中的人脸

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/calib3d/calib3d.hpp>using namespace std;
using namespace cv;int main()
{Mat image, image_gray;      //定义两个Mat变量，用于存储每一帧的图像VideoCapture capture(0);    //从摄像头读入视频while (1)                  //循环显示每一帧{capture >> image;     //读取当前帧//image = imread("F://1.png");//imshow("原图", image);cvtColor(image, image_gray, CV_BGR2GRAY);//转为灰度图equalizeHist(image_gray, image_gray);//直方图均衡化，增加对比度方便处理CascadeClassifier eye_Classifier;  //载入分类器CascadeClassifier face_cascade;    //载入分类器//加载分类训练器，OpenCv官方文档提供的xml文档，可以直接调用//xml文档路径  opencv\sources\data\haarcascades if (!eye_Classifier.load("F:\\haarcascade_eye.xml"))  //需要将xml文档放在自己指定的路径下{  cout << "Load haarcascade_eye.xml failed!" << endl;return 0;}if (!face_cascade.load("F:\\haarcascade_frontalface_alt.xml")){cout << "Load haarcascade_frontalface_alt failed!" << endl;return 0;}//vector 是个类模板 需要提供明确的模板实参 vector<Rect>则是个确定的类 模板的实例化vector<Rect> eyeRect;vector<Rect> faceRect;//检测关于眼睛部位位置eye_Classifier.detectMultiScale(image_gray, eyeRect, 1.1, 2, 0 | CV_HAAR_SCALE_IMAGE, Size(30, 30));//检测for (size_t eyeIdx = 0; eyeIdx < eyeRect.size(); eyeIdx++){   rectangle(image, eyeRect[eyeIdx], Scalar(0, 0, 255));   //用矩形画出检测到的位置}//检测关于脸部位置face_cascade.detectMultiScale(image_gray, faceRect, 1.1, 2, 0 | CV_HAAR_SCALE_IMAGE, Size(30, 30));//检测for (size_t i = 0; i < faceRect.size(); i++){  rectangle(image, faceRect[i], Scalar(0, 0, 255));      //用矩形画出检测到的位置}imshow("人脸识别图", image);         //显示当前帧char c = waitKey(30);         //延时30ms，即每秒播放33帧图像if (c == 27)  break;   }return 0;
}

效果图：

人脸识别源代码下载链接

GitHub源代码下载链接

OpenCv 之（图片人脸识别）和（摄像头读入）相关推荐

Java + opencv 实现人脸识别，图片人脸识别、视频人脸识别、摄像头实时人脸识别
搭建环境 opencv官网下载windows安装包 https://opencv.org/releases/ 选择最新版4.1.1 下载完成后是一个opencv-4.1.1-vc14_vc15.exe ...
调用笔记本的摄像头实现基于opencv的视频人脸识别（中文显示和英文显示）以及 index 480 is out of bounds for axis 0 with size 480错误的解决
@人脸识别代码和一些常见错误基于opencv的视频人脸识别(中文显示)以及 index 480 is out of bounds for axis 0 with size 480错误的解决参考了 ...
基于Opencv快速实现人脸识别（图片识别）
两个文件夹,一个为训练数据集,一个为测试数据集,训练数据集中有两个文件夹0和1,之前看一些资料有说这里要遵循"slabel"命名规则,但后面处理起来比较麻烦,因为目前opencv接 ...
基于Python的OpenCV+TensorFlow+Keras人脸识别实现
前言:本节要讲的人脸识别主要是借鉴了一位研究生前辈的文章我只是在他的基础上进行了改动,让代码能在现在的TensorFlow2.X 等的环境下运行先看一下效果图完整工程及源代码请点击链接下载:人 ...
python dlib opencv人脸识别准确度_基于dlib和opencv库的人脸识别
基于dlib和opencv库的人脸识别需下载68个特征点的人脸检测模型: http://dlib.net/files/ 文件名为shape_predictor_68_face_landmarks.d ...
基于 OpenCV + Python 的人脸识别上课签到系统
目录前言安装第三方库第一步:采集人脸图像 (1)修改姓名学号 (2)运行capture_face.py (3)采集人脸图像 (4)查看采集到的人脸图像第二步:训练模型第三步:识别签到 (1) ...
OpenCV+百度云人脸识别项目及源码
OpenCV+百度云人脸识别项目及源码 1.需要的硬件环境虚拟机带有摄像头的电脑 2.整体项目的框架用Opencv识别人脸,上传百度云进行识别对比 3.虚拟机上需要装的库 sudo apt-ge ...
【优秀课设】基于OpenCV的Python人脸识别、检测、框选（遍历目录下所有照片依次识别视频随时标注）
基于OpenCV的Python人脸识别.检测.框选 (遍历目录下所有照片依次识别视频随时标注) 移步: https://blog.csdn.net/weixin_53403301/article/d ...
【毕业设计/课程设计】基于opencv的高精度人脸识别考勤系统设计与实现
文章目录 0 项目说明 1 需求分析 2 总体设计 3 详细设计 4 程序运行结果测试与分析 5 实验心得 6 项目源码 0 项目说明基于opencv的高精度人脸识别考勤系统设计与实现提示:适合用 ...
使用openCV进行视频人脸识别
视频人脸识别系列第一篇使用openCV进行视频人脸识别第二篇使用虹软SDK进行视频人脸识别第三篇使用虹软SDK进行视频人脸比对文章目录视频人脸识别系列前言一.环境搭建开发环境配 ...

OpenCv 之（图片人脸识别）和（摄像头读入）

OpenCv 之（图片人脸识别）和（摄像头读入）相关推荐

最新文章

热门文章

OpenCv 之（图片人脸识别）和 （摄像头读入）

OpenCv 之（图片人脸识别）和 （摄像头读入）相关推荐

最新文章

热门文章

OpenCv 之（图片人脸识别）和（摄像头读入）

OpenCv 之（图片人脸识别）和（摄像头读入）相关推荐