前言
随着科技的发展,人脸识别技术在许多领域得到的非常广泛的应用,手机支付、银行身份验证、手机人脸解锁等等。
识别
废话少说,这里我们使用 opencv 中自带了 haar人脸特征分类器,利用训练好的 haar 特征的 xml 文件,在图片上检测出人脸的坐标,利用这个坐标,我们可以将人脸区域剪切保存,也可以在原图上将人脸框出。
代码实现:
# -*-coding:utf8-*-#import osimport cv2from PIL import Image, ImageDrawfrom datetime import datetime"""分类器 /opencv/opencv/tree/master/data/haarcascades安装模块:pip install Pillow pip install opencv-python"""def detectFaces(image_name):img = cv2.imread(image_name)face_cascade = cv2.CascadeClassifier(os.getcwd()+"haarcascadehaarcascade_frontalface_alt.xml")if img.ndim == 3:gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)else:gray = img # if语句:如果img维度为3,说明不是灰度图,先转化为灰度图gray,如果不为3,也就是2,原图就是灰度图faces = face_cascade.detectMultiScale(gray, 1.2, 5) # 1.3和5是特征的最小、最大检测窗口,它改变检测结果也会改变result = []for (x, y, width, height) in faces:result.append((x, y, x + width, y + height))return result# 保存人脸图def saveFaces(image_name):faces = detectFaces(image_name)if faces:# 将人脸保存在save_dir目录下。# Image模块:Image.open获取图像句柄,crop剪切图像(剪切的区域就是detectFaces返回的坐标),save保存。save_dir = image_name.split('.')[0] + "_faces"os.mkdir(save_dir)count = 0for (x1, y1, x2, y2) in faces:file_name = os.path.join(save_dir, str(count) + ".jpg")Image.open(image_name).crop((x1, y1, x2, y2)).save(file_name)count += 1if __name__ == '__main__':time1 = datetime.now()result = detectFaces(os.getcwd()+"imagesgaoyuanyuan.jpg")time2 = datetime.now()print("耗时:" + str(time2 - time1))if len(result) > 0:print("有人存在!!---》人数为:" + str(len(result)))else:print('视频图像中无人!!')drawFaces(os.getcwd()+"images", "hanxue.jpg")saveFaces(os.getcwd()+<a rel="external nofollow" href="file://imagesgaoyuanyuan.jpg">imagesgaoyuanyuan.jpg</a>)
识别效果图:
多人识别效果:
经过测试,最终选用了 haarcascade_frontalface_alt.xml 做人脸识别,识别率最高。
人脸检测分类器对比:
小结
开源的人脸检测分类器对于标准的人脸识别足够了,要想精确识别比如,侧脸、模糊、光照、遮挡的人脸,只能通过深度机器学习进一步优化识别精度和速度。