Python + OpenCV 实现简单的人脸识别

前言

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。
———-摘自百度百科

说明

环境：Ubuntu16.04
语言: Python
依赖：OpenCV+matplotlib

加载人脸模型

在我们安装OpenCV好以后，在目录下会有很多的xml文件。那些文件就是训练好的haar特征(我也不晓得哈儿特征怎么来的，刚开始会用里面的人脸，耳朵，眼睛等特征就好)模型。

这里的模型是xml文件，opencv先加载模型，在通过模型去提取人脸区域，核心方法为：cv2.CascadeClassifier()

# 默认值
# 这个xml是人脸模型
model_face = '/usr/share/opencv/haarcascades/haarcascade_frontalface_default.xml'

## face model
def get_model_type(model_name):
    if not(model_face):
        return cv2.CascadeClassifier(model_face)
    return cv2.CascadeClassifier(model_name)

核心(提取特征区域)

使用加载好的模型去提取图像中可能存在的人脸区域，返回一个脸部区域faces集合(人脸矩形的左上、右下顶点坐标)，faces记录了人脸的相对位置(x,y,width,height)。核心函数：detectMultiScale()

    face_cascade = get_model_type(face_model) #加载模型
    print image_name
    img = cv2.imread(image_name) # 读取图片
    min_h = int(max(img.shape[0] / min_height_dec, min_height_thresh))
    min_w = int(max(img.shape[1] / min_width_dec, min_width_thresh))

    if img.ndim == 3:
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 转灰度
    else:
        gray = img
    # 核心中的核心 
    faces = face_cascade.detectMultiScale(gray, 1.3,
     minNeighbors=5, minSize=(min_h, min_w)) 

如果存在的话，这样就可以找到了

标记保存

所谓标记就是在人脸区域框出来，再保存文即可。

## 画框
def draw_rect(img, x, y, w, h):
        upper_cut = [min(img.shape[0], y + h + FACE_PAD), min(img.shape[1], x + w + FACE_PAD)]
        lower_cut = [max(y - FACE_PAD, 0), max(x - FACE_PAD, 0)]
        cv2.rectangle(img, (lower_cut[1], lower_cut[0]), (upper_cut[1], upper_cut[0]), (255, 0, 0), 2)


 for (x, y, width, height) in faces:
        result.append((x, y, x + width, y + height))
        draw_rect(img, x, y, width, height)  # 画线标记

画框完以后，就是保存了， 怎么保存就不说了，如果不会就看这篇文章 图像处理行业专业级类库OpenCV

结束语

先上个图片（说明：图片来源于百度）


上午试了这个例子，感觉还是挺简单的，当然这是最基本的使用，真正使用的时候远远不止这么简单，光一个特征模型训练就得花好的力气，做深度学习的我深有体会；可以说人脸模型就是可以说是一种规则，或者多种规则，人脸识别就是用这个规则去套图像。
示例代码链接github

参考文章

http://blog.csdn.net/yang_xian521/article/details/6973667
http://blog.csdn.net/tengxing007/article/details/72510836
http://blog.csdn.net/u012162613/article/details/43523507
http://blog.csdn.net/tengxing007/article/details/54380732