方法讲解
人脸检测，把图像分成一个个小块，对每一个小块判断是否是人脸，假如一张图被分成了5000块，则速度非常慢。
为了提高效率，OpenCV 提供 cascades 来避免这种情况。提供了一系列的xml文件
cascades ：翻译 ：小瀑布 级联
cascade 对于每个数据块，它都进行一个简单快速的检测。若过，会再进行一个更仔细的检测。该算法有 30 到 50 个这样的阶段，或者说 cascade。只有通过全部阶段，cascade才会判断检测到人脸。这样做的好处是：大多数小块都会在前几步就产生否定反馈，节约时间。
资源链接，该资源不仅仅包括人脸xml，还有其他眼睛等。赚取点积分吧。
OpenCV人脸识别xml文件.zip
或者
OpenCV官网
从官网Sources里找资源，data文件夹中有是特征文件，我们一般选用haarcascade_frontalface_default.xml
人脸检测
1人脸检测实现
import numpy as npimport cv2# 实例化人脸分类器face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')#xml来源于资源文件。# 读取测试图片img = cv2.imread('faces.jpg',cv2.IMREAD_COLOR)# 将原彩色图转换成灰度图gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 开始在灰度图上检测人脸，输出是人脸区域的外接矩形框faces = face_cascade.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=1)# 遍历人脸检测结果for (x,y,w,h) in faces: # 在原彩色图上画人脸矩形框 cv2.rectangle(img,(x,y),(x+w,y+h),(255,255,0),2)# 显示画好矩形框的图片cv2.namedWindow('faces', cv2.WINDOW_AUTOSIZE)cv2.imshow('faces',img)# 等待退出键cv2.waitKey(0)# 销毁显示窗口cv2.destroyAllWindows()
修改face_cascade.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=1) 里的参数值可以得到不同的识别精度，有的识别出的人多，有的少。
2摄像头下人脸检测实现
import cv2 as cvimport numpy as npdef face_detect_demo(image): gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY) face_detector = cv.CascadeClassifier("haarcascade_frontalface_default.xml") faces = face_detector.detectMultiScale(gray, 1.2, 6) for x, y, w, h in faces: cv.rectangle(image, (x, y), (x+w, y+h), (0, 0, 255), 2) cv.imshow("result", image)print("--------- Python OpenCV Tutorial ---------")capture = cv.VideoCapture(0)cv.namedWindow("result", cv.WINDOW_AUTOSIZE)while(True): ret, frame = capture.read() frame = cv.flip(frame, 1)#左右翻转 face_detect_demo(frame) c = cv.waitKey(10) if c == 27: # ESC breakcv.waitKey(0)cv.destroyAllWindows()
手拿平板试下吧，博主我不上镜。
同理：调整 face_detector.detectMultiScale(gray, 1.2, 6) 的参数值，效果不一样。
人脸识别
前面讲得是人脸检测，即检测出图片是否含有脸。接下来完成人脸识别，即识别出当前脸是谁。
数据集
选取杨幂和刘亦菲的网图各几张。
训练模型并保存
注意：如果出现module ‘cv2.cv2’ has no attribute ‘face’ 错误信息。
说明没有安装opencv-contrib-python 包，这是OpenCV外带模块，外带模块是测试性能不足，所以没有一起放在opencv包里。
解决方法：pip install opencv-contrib-python
import osimport numpy as npimport cv2#脸部检测函数def face_detect_demo(image): gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) face_detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml") faces = face_detector.detectMultiScale(gray, 1.2, 6) # 如果未检测到面部，则返回原始图像 if (len(faces) == 0): return None, None # 目前假设只有一张脸，xy为左上角坐标，wh为矩形的宽高 (x, y, w, h) = faces[0] # 返回图像的脸部部分 return gray[y:y + w, x:x + h], faces[0]def ReFileName(dirPath): """ :param dirPath: 文件夹路径 :return: """ # 对目录下的文件进行遍历 faces=[] for file in os.listdir(dirPath): # 判断是否是文件 if os.path.isfile(os.path.join(dirPath, file)) == True: c= os.path.basename(file) name = dirPath + '\\' + c img = cv2.imread(name) # 检测脸部 face, rect = face_detect_demo(img) # 我们忽略未检测到的脸部 if face is not None: # 将脸添加到脸部列表并添加相应的标签 faces.append(face) cv2.waitKey(1) cv2.destroyAllWindows() return faces#杨幂照读取dirPathyangmi = r"C:\Users\Shineion\Desktop\yangmi"#文件路径yangmi=ReFileName(dirPathyangmi)#调用函数labelyangmi=np.array([0 for i in range(len(yangmi))])#标签处理#刘亦菲照读取dirPathliuyifei = r"C:\Users\Shineion\Desktop\yangmi"#文件路径liuyifei=ReFileName(dirPathliuyifei)#调用函数labelliuyifei=np.array([1 for i in range(len(liuyifei))])#标签处理#拼接并打乱数据特征和标签x=np.concatenate((yangmi,liuyifei),axis=0)y=np.concatenate((labelyangmi,labelliuyifei),axis=0)index = [i for i in range(len(y))] # test_data为测试数据np.random.seed(1)np.random.shuffle(index) # 打乱索引train_data = x[index]train_label = y[index]#分类器recognizer = cv2.face.LBPHFaceRecognizer_create()recognizer.train(train_data, train_label)# 保存训练数据recognizer.write('train.yml')
人脸图像预测
import cv2#人脸检测函数def face_detect_demo(image): gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) face_detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml") faces = face_detector.detectMultiScale(gray, 1.2, 6) # 如果未检测到面部，则返回原始图像 if (len(faces) == 0): return None, None # 目前假设只有一张脸，xy为左上角坐标，wh为矩形的宽高 (x, y, w, h) = faces[0] # 返回图像的脸部部分 return gray[y:y + w, x:x + h], faces[0]#导入训练结果recognizer = cv2.face.LBPHFaceRecognizer_create()recognizer.read('train.yml')#读取前文训练的结果# 根据给定的人脸(x，y)坐标和宽度高度在图像上绘制矩形def draw_rectangle(img, rect): (x, y, w, h) = rect#矩形框 cv2.rectangle(img, (x, y), (x + w, y + h), (255, 255, 0), 2)# 根据给定的人脸(x，y)坐标写出人名def draw_text(img, text, x, y): cv2.putText(img, text, (x, y), cv2.FONT_HERSHEY_COMPLEX, 1, (128, 128, 0), 2)# 此函数识别图像中的人物并在脸部周围绘制一个矩形及其人名facelabel = ["yangmi", "liuyifei"]#人物名def predict(image): # 生成图像的副本，保留原始图像 img = image.copy() # 检测人脸区域 face, rect = face_detect_demo(img)#face_detect_demo前面的人脸检测函数 #print(rect)=[x,y,w,h] # 预测人脸名字 label = recognizer.predict(face) print(label)#label[0]为名字，label[1]可信度数值越低，可信度越高( if label[1]<=50: # 获取由人脸识别器返回的相应标签的人名 label_text = facelabel[label[0]] # 在检测到的脸部周围画一个矩形 draw_rectangle(img, rect) # 标出预测的人名 draw_text(img, label_text, rect[0], rect[1]) # 返回预测的图像 return img else: # 在检测到的脸部周围画一个矩形 draw_rectangle(img, rect) # 标出预测的人名 draw_text(img, "not find", rect[0], rect[1]) # 返回预测的图像 return imgtest_img = cv2.imread("C:\\Users\\Shineion\\Desktop\\liuyifei\\8.jpg")#执行预测pred_img = predict(test_img)cv2.imshow('result', pred_img)cv2.waitKey(0)cv2.destroyAllWindows()
结果
换一个张图试下
再换张其他人的，来源网图，如有侵权，联系我删除。
注意事项：
1本文的训练集图片太少，所以测试有些误差，有的图片要识别出错。可以自己调整可信度系数和增加训练集图片
2.本文模型是二分类，也可以多分类。标签分别是[0,1,2,3,4,…],不需要one-hot化。这点不同于常规分类器
3.图片路径不能出现中文，OpenCV决定的。标注的名字不能出现中文，中文乱码，自己可以研究下OpenCV标注中文。
源码或者视频教程后台私信小编 源码
