图像项目-基于opencv的人脸识别

基于opencv的人脸识别

• opencv的一个目录：opencv/sources/data/haarcascades 提供了用于人脸检测相关的文件，加载这些文件，就可以方便的实现人脸检测的相关工作。

  face_cascade = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')
  faces = face_cascade.detectMultiScale(face_gray, 1.3, 5)
  

• 上述代码就可以实现人脸的区域的检测，face返回人脸矩形框的左上角坐标以及矩形框的长和宽的列表。

• 显然，做人脸识别需要大量的训练数据。一般深度学习识别的训练集数据都是万为单位。我们这里就打算调用摄像头，然后将用上述矩形框里的图像转化为灰度图然后再resize到200*200大小作为训练数据。

• 下面是获取100张训练图像的代码

  #coding: utf-8
  import cv2
  
  datapath = "D:/imgData/face/"
  
  def generate(name):
      face_cascade = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')
  #     eye_cascade = cv2.CascadeClassifier('./haarcascade_eye.xml')
      camera = cv2.VideoCapture(0)
      count = 0
      while (True):
          ret, frame = camera.read()
          gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
          #p2:人脸检测中每次迭代图像的压缩率    p3:每个人脸矩形保留近邻数目的最小值ֵ
          faces = face_cascade.detectMultiScale(gray, 1.3, 5)
          for (x,y,w,h) in faces:
              img = cv2.rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2)
  
              f = cv2.resize(gray[y:y+h, x:x+w], (200, 200))
  
              cv2.imwrite(datapath + str(name) + '/%s.pgm' % str(count), f)
              print count
              count += 1
  
          if(count >= 100):
              break
  
          cv2.imshow("camera", frame)
  
          if cv2.waitKey(1000 / 12) & 0xff == ord("q"):
              break
  
      camera.release()
      cv2.destroyAllWindows()
  
      if __name__ == "__main__":
        generate('wjf')
  

• 训练数据的话都要一个文本文件来指定当前图片属于哪一个类别？caffee是用一个txt文本说明，opencv需要一个csv文件说明。

• 当然，这个文件肯定需要代码来生成，代码比较简单，就是一些文件的操作。python方便的就是可以用其他的包调用，而且使用起来很方便，跟Java一样。python文件操作一个好用的包就是os了。

• 下面是生成csv文件的代码：

  #coding: utf-8
  import os 
  dataPath = "D:/imgData/face/"
  #列出文件夹所有文件夹
  dirList = os.listdir(dataPath)
  
  label = -1;
  for name in dirList:
      path = dataPath + str(name) + '/'
      print path 
      cpath = str(path)[16:str(path).rfind('/')+1]
  
      label += 1
      f = open(dataPath+'train.csv', 'a+');
  
      fileList = os.listdir(path)
      for fileName in fileList:
          print fileName
          f.write(cpath + fileName + ';' + str(label) + '\n')   
  

• 打开这个文件，可以看到其内容如下，有必要的话可以将顺序在打乱一点。
  

• 完事具备，接下来就是训练了。opencv提供了三种人脸识别的方法，这里打算用Eigenfaces来实现，它是基于PCA原理的。

• 使用起来也很简单，传入所有图像数组的list集合X以及对应标签的list。

• 训练完成后，我们将模型保存到xml文件中去。

  model = cv2.face.createEigenFaceRecognizer()
  model.train(np.asarray(X), np.asarray(y))
  model.save(dataPath  + 'model.xml')
  

• 模型的预测也很简单了，调用model.predict(img)就可以返回img对应的标签了。

• 如果识别的不稳定，可以增加训练数据。