人脸识别案例:【实战】opencv人脸检测+Haar特征分类器
1 基础
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。
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。
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。
2.实现
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__)
找到的文件如下所示:
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。
主程序如下所示:
import cv2 as cv
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = [u'SimHei']
plt.rcParams['axes.unicode_minus'] = False# 1.以灰度图的形式读取图片
img = cv.imread("img/tly.jpg")
gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)# 2. 实例化OpenCV人脸和眼睛识别的分类器
# 2.1 实例化级联分类器
face_cas = cv.CascadeClassifier( "C:\\ProgramData\\Anaconda3\\envs\\py37\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_default.xml" )
# 2.1 加载分类器
face_cas.load('C:\\ProgramData\\Anaconda3\\envs\\py37\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_default.xml')
# 2.2 实例化级联分类器
eyes_cas = cv.CascadeClassifier("C:\\ProgramData\\Anaconda3\\envs\\py37\\Lib\\site-packages\\cv2\\data\\haarcascade_eye.xml")
# 2.2 加载分类器
eyes_cas.load("C:\\ProgramData\\Anaconda3\\envs\\py37\\Lib\\site-packages\\cv2\\data\\haarcascade_eye.xml")# 3.调用识别人脸
"""rect = classifier.detectMultiScale(gray, scaleFactor, minNeighbors, minSize,maxsize) 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
"""
faceRects = face_cas.detectMultiScale(gray=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()
结果:
此处报错:
cv2.error: OpenCV(3.4.5) C:\projects\opencv-python\opencv\modules\objdetect\src\cascadedetect.cpp:1698: error: (-215:Assertion failed) !empty() in function ‘cv::CascadeClassifier::detectMultiScale’
解决方案:
【在虚拟环境下完美解决】1698: error: (-215:Assertion failed) empty() in function cv::CascadeClassifier_李大狗的读研日记-CSDN博客https://blog.csdn.net/qq_39237205/article/details/122085915https://blog.csdn.net/qq_39237205/article/details/122085915
我们也可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()
总结
opencv中人脸识别的流程是:
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)
将检测结果绘制出来就可以了。
我们也可以在视频中进行人脸识别
人脸识别案例:【实战】opencv人脸检测+Haar特征分类器相关推荐
- opencv 人脸识别_python基于openCV人脸识别18行代码实现
人脸识别 一.安装 1.打开命令行,输入pip install numpy,安装numpy. 2.安装opencv. pip install opencv-python 二.实现 (1)获取人脸识别训 ...
- opencv 训练人脸对比_【项目案例python与人脸识别】基于OpenCV开源计算机视觉库的人脸识别之python实现...
" 本项目是一个基于OpenCV开源库使用python语言程序实现人脸检测的项目,该项目将从[项目基础知识](即人脸识别的基本原理).[项目实践](人脸识别所需要的具体步骤及其python程 ...
- OpenCV中视频操作及人脸识别案例
目录 OpenCV中视频操作及人脸识别案例 视频操作 视频读写 从文件中读取视频并播放 保存视频 小结 视频追踪 meanshift Camshift 算法总结 小结 案例:人脸案例 人脸识别基础 实 ...
- OpenCv人脸识别开发实战
一.OpenCV简介 OpenCV(全称:Open Source Computer Vision Library),是一个跨平台的计算机视觉库.OpenCV可用于开发实时的图像处理.计算机视觉以及模式 ...
- 【opencv人脸识别1】从图片中检测人脸
[opencv人脸识别一]从图片中检测人脸 本系列主要讲述利用opencv实现人脸识别的相关知识,并给出实际代码.且循序渐进,由基础到复杂,从最基本的图片检测人脸到视频检测.识别人脸,再到较大型人脸数 ...
- OpenCV中基于Haar特征和级联分类器的人脸检测
使用机器学习的方法进行人脸检测的第一步需要训练人脸分类器,这是一个耗时耗力的过程,需要收集大量的正负样本,并且样本质量的好坏对结果影响巨大,如果样本没有处理好,再优秀的机器学习分类算法都是零. 今年3 ...
- OpenCV中基于Haar特征和级联分类器的人脸检测(三)
使用机器学习的方法进行人脸检测的第一步需要训练人脸分类器,这是一个耗时耗力的过程,需要收集大量的正负样本,并且样本质量的好坏对结果影响巨大,如果样本没有处理好,再优秀的机器学习分类算法都是零. 今年3 ...
- opencv人脸识别(二)人脸检测
前面一文我们介绍了电脑打开摄像头,没基础的小伙伴可以点下面链接去看看 opencv人脸识别(一)调用笔记本摄像头 本文我将介绍opencv人脸检测,我使用的是LBP特征级联分类器,这个模型是2016年 ...
- opencv + face_recognition —— 人脸识别案例
文章目录 opencv + face_recognition -- 人脸识别案例 0. 版本信息 1. 导包 2. 识别图片中的面部 3. 实现摄像头中的面部追踪 4. 人脸追踪+识别,分析出不同的人 ...
最新文章
- VirtualBox uuid冲突问题
- 太简单!日常小动作让你摆脱程序员职业病
- centos72安装mysql配置密码_MySQL数据库之170419、Centos7下完美安装并配置mysql5.6
- Kettle使用_3变量替换之获取系统信息与命名参数
- 提升体验-支持Chrome Custom Tabs
- yenv - 一个使用 JAML 文件管理环境的 Node.js 工具
- linux read nchars,Linux常用命令--read
- 秋招面试我去了拼多多,直接被问JVMGC底层原理和算法,我吊打面试官
- Vue.js基础体验(一)
- 如何将.txt中的数据导入.excel
- 韦东山freeRTOS系列教程之【第三章】任务管理
- Clang编译Objective-C
- LVGL|lvgl中文教程手册(lvgl中文文档学习教程)
- python模拟勒索病毒
- ​数字经济指数合集:各省、城市数字经济指数面板数据
- Mac电脑上Android Studio自带模拟器无法关闭
- 千兆PHY与RJ45接口线序
- 计算机视觉PyTorch迁移学习 - (二)
- 【囧囧笑话集】做一个愉快的少年
- Linux之C++毫秒级计时方法
热门文章
- F-Secure Client Security 注册机
- Android应用开发—Android 消息处理机制:HandlerMessage
- 如何迁移整个git仓库
- jdbc和odbc区别
- 网络爬虫--15.【糗事百科实战】多线程实现
- 解决:Navicat for mysql 设置外键出错
- mysql 单标递归_MySql8 WITH RECURSIVE递归查询父子集的方法
- 如何使用CppUnit进行单元测试
- 球星测试软件,2KOL球星测评丨篮球之神,迈克尔.乔丹(96版)
- 360网络修复工具_为什么大家都在骂360,但是360依旧是很强?