Python | Opencv的人脸检测和人脸识别

一、OpenCV简单介绍

安装OpenCV，使用pip安装，推荐使用清华源，速度快：

pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

另外还需要另外一个模块：

pip install opencv-contrib-python -i https://pypi.tuna.tsinghua.edu.cn/simple

接下来就可以学习OpenCV了。

1.1、OpenCv显示图像

简单读取一个图像，并将该图像显示：

 

# 导入模块
import cv2
# 读取图片
im = cv2.imread('./zxc/1.jpg')
# 显示图片，该方法只会显示一瞬间。（第一个参数为窗口名称，第二个参数为ndarray对象）
cv2.imshow('im', im)
# 等待键盘输入，传入毫秒值，当传入0时表示无限等待。（imshow配合该方法可以让界面一直显示）
cv2.waitKey(0)
# 因为OpenCv是用C/C++写的，所以需要释放内存
cv2.destroyAllWindows()

上述代码就实现了最简单的读取并显示图像的操作了。

1.2、opencv图像灰度转换

灰度转换就是将图片转换成黑白图像。因为我们在人脸识别时，灰度图像便于识别，

import cv2
# 读取图像
im = cv2.imread('./zxc/2.jpg')
# 灰度转换（第一个参数为ndarray对象，第二个参数为cv2中的常量），返回一个ndarray对象
grey = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
# 将grey保存
cv2.imwrite('grey.jpg', grey)
# 显示灰度转换后的图像
cv2.imshow('grey', grey)
# 等待键盘输入
cv2.waitKey(0)
# 销毁窗口
cv2.destroyAllWindows()

 

1.3、绘制图形

后续在检测人脸的时候，我们会绘制图形，将人脸框起来。图形的绘制也非常简单.

import cv2
# 读取图像
im = cv2.imread('./zxc/15.jpg')
# 在图像im上绘制矩形
"""
第一个参数为ndarray对象
第二个参数为左上角的坐标(x1, y1)
第三个参数为右下角的坐标(x2, y2)
第四个参数为颜色值，其顺序不同于我们之前的，使用的是BGR
第五个参数为线条宽度
"""
cv2.rectangle(im, (220, 100), (380, 250), (255, 255, 0), 2)
# 显示图像
cv2.imshow('im', im)
# 等待输入
cv2.waitKey(0)
# 销毁窗口
cv2.destroyAllWindows()

二、人脸检测

2.1、获取特征数据

开始人类检测之前，我们要先获取一个特征数据。在opencv安装目录中，cv2/data文件夹，进入该文件夹后，里面全是特征文件，我们一般选用haarcascade_frontalface_default.xml。

 

2.1、检测人脸

我们可以把特征文件复制到我们项目下，也可以直接用绝对路径引用。cv2.CascadeClassifier对象可以用来检测人脸

face_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

其中，传入参数为特征文件的路径。我们可以选择相对路径，也可以选择绝对路径。完整人类检测代码如下：​​​​​​​

import cv2# 加载特征数据face_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')# 读取图片im = cv2.imread('./zxc/2.jpg')# 检测人脸，返回人脸的位置信息faces = face_detector.detectMultiScale(im)# 遍历人脸for x, y, w, h in faces:    # 在人脸区域绘制矩形    cv2.rectangle(im, (x, y), (x+w, y+h), (255, 255, 0), 2)# 显示图像cv2.imshow('im', im)cv2.waitKey(0)cv2.destroyAllWindows()

其中detectMultiScale方法返回一个数组对象，这个对象保存了n张人脸的左上角坐标、脸的宽、脸的高。检测效果如下：

三、人脸识别

3.1、训练数据

训练数据主要有两个部分，人脸信息和标签，其中标签为int列表。我在目录data中准备了钢铁侠和周星驰的图片，钢铁侠为1，周星驰为2。

准备好图像后，我们就可以开始训练数据了，训练数据代码如下：

import cv2import osimport numpy
root_path = "./data/"
lables = []faces = []

def getFacesAndLabels():    """读取图片特征和标签"""    global root_path
    # 获取人脸检测器    face_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
    # 获取图片路径    folders = os.listdir(root_path)    for folder in folders:        path = os.path.join(root_path, folder)        files = os.listdir(path)        for file in files:            # 读取图片            path1 = os.path.join(path, file)            im = cv2.imread(path1)            # 转换灰度            grey = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)            # 读取人脸数据            face = face_detector.detectMultiScale(grey)            for x, y, w, h in face:                # 设置标签，分离文件名称                lables.append(int(folder))                # 设置人脸数据                faces.append(grey[y:y + h, x:x + w])
    return faces, lables

# 调用方法获取人脸信息及标签faces, labels = getFacesAndLabels()# 获取训练对象recognizer = cv2.face.LBPHFaceRecognizer_create()# 训练数据recognizer.train(faces, numpy.array(labels))# 保存训练数据recognizer.write('model.yml')

3.2、人脸识别

我们训练完数据后，就可以进行人脸识别了。在识别之前我们先加载训练数据，然后就是基本的人类检测步骤。最后我们调用predict方法进行人脸识别，在训练数据中匹配人物。

​​​​​​​​​​​​​​

import cv2
# 加载训练数据集recognizer = cv2.face.LBPHFaceRecognizer_create()recognizer.read('./model.yml')
# 准备识别的图片im = cv2.imread('10.jpg')grey = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
# 检测人脸face_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')face = face_detector.detectMultiScale(grey)
for x, y, w, h in face:    cv2.rectangle(im, (x, y), (x + w, y + h), (0, 255, 0), 2)
    label, confidence = recognizer.predict(grey[y:y + h, x:x + w])
    print(        """        识别到人脸信息        标签：%d        可信度：%d        """ % (label, confidence)    )
    if confidence > 60:        if label == 1:            print("小罗伯特唐尼")            print("图片标签：", str(label))            print("可信度：", str(confidence))        elif label == 2:            print("周星驰")            print("图片标签：", str(label))            print("可信度：", str(confidence))    else:        print("未匹配到数据")    cv2.imshow('im', im)    cv2.waitKey(0)
cv2.destroyAllWindows()