计算机视觉 opencv 人工智能 python实现人脸检测

文章目录

一、基础知识二、实现人脸检测

一、基础知识

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。

二、实现人脸检测

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

# 1.以灰度图的形式读取图片

img = cv.imread("16.jpg")

gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)

# 2.实例化OpenCV人脸和眼睛识别的分类器

face_cas = cv.CascadeClassifier( "haarcascade_frontalface_default.xml" )

face_cas.load('haarcascade_frontalface_default.xml')

eyes_cas = cv.CascadeClassifier("haarcascade_eye.xml")

eyes_cas.load("haarcascade_eye.xml")

# 3.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(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：

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()

相关文章