Python学习笔记之图片人脸检测识别实例教程


						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 os

import cv2

from PIL import Image, ImageDraw

from datetime import datetime



"""

分类器 http://github.com/opencv/opencv/tree/master/data/haarcascades

安装模块：pip install Pillow pip install opencv-python

博客：http://blog.52itstyle.vip/archives/3771/

"""





def detectFaces(image_name):

 img = cv2.imread(image_name)

 face_cascade = cv2.CascadeClassifier(os.getcwd()+"\\haarcascade\\haarcascade_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 = 0

  for (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 += 1





if __name__ == '__main__':

 time1 = datetime.now()

 result = detectFaces(os.getcwd()+"\\images\\gaoyuanyuan.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()+\\images\\gaoyuanyuan.jpg)



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：





  

    

      级联分类器的类型

      XML文件名

    

  

  

    

      人脸检测器（默认）

      haarcascade_frontalface_default.xml

    

    

      人脸检测器（快速的Haar）

      haarcascade_frontalface_alt2.xml

    

    

      人脸检测器（Tree）

      haarcascade_frontalface_alt_tree.xml

    

    

      人脸检测器（Haar_1）

      haarcascade_frontalface_alt.xml

    

  





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。

源码



http://gitee.com/52itstyle/Python/tree/master/Day09（本地下载）

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，如果有疑问大家可以留言交流，谢谢大家对中文源码网的支持。