python视觉识别定位_基于Python+OpenCV的人脸特征定位程序

python视觉识别定位_基于Python+OpenCV的人脸特征定位程序_第1张图片

在最近刷今日头条以及其他媒体软件时,经常会发现一些AI换脸的视频,于是我想,可不可以自己实现一个可以进行人脸识别的软件程序。我的具体流程是先配合python网络爬虫先进行万张PubFig人脸公共图片的爬取,分析出图片具体特征,然后再配合机器学习的OpenCV视觉库进行软件的构建。有一篇Github的文章讲得很详细,大家可以参考:https://github.com/Hironsan/BossSensor。

本篇用一些动漫人脸图片,向大家展示基本的opencv库的操作,以及用一些公共人脸数据进行简单的人脸识别技术学习。

1.OpenCV简介

OpenCV是一个开源的跨平台计算机视觉库,提供的有python接口,并实现了图像处理和计算机视觉方面的很多通用算法。

2.需要安装的包

本篇先安装Opencv和numpy,pandas等数据分析包即可,如果感觉麻烦的话,可以直接安装Anaconda科学包(数据分析,挖掘,机器学习库合集),安装与不同编译器配置环境过程这里就不讲解了。

下载地址(官网太慢了,推荐下面的地址):https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/opencv-python/。python3.5以上的需要下载opencv_python-4.0之类的版本,这里用到的是opencv_python-4.0.0.21-cp37-cp37m-win_amd64.whl这个文件。

安装完后,我们先用下面的代码输出一个图片:import cv2

img = cv2.imread("1.jpg", 1)

cv2.imshow("1", img)

cv2.waitKey()

结果如下:

python视觉识别定位_基于Python+OpenCV的人脸特征定位程序_第2张图片

发现我们的环境已经成功安装了。

相关推荐:《Python教程》

3.初步人脸识别

由于本篇文章是第一篇,因此这里先简单的展示一下opencv的一些机器视觉的基础方法,下面就进行介绍。

(1)导入人脸图片,这里用一张动漫图

python视觉识别定位_基于Python+OpenCV的人脸特征定位程序_第3张图片

代码和上面的类似,更改图片即可:import cv2

img = cv2.imread("firstPer.jpg", 1)

cv2.imshow("1", img)

cv2.waitKey()

cv2.destroyAllWindows()

这里我们把这段代码封装成一个函数:def viewImage(image, name_of_window):

'''

image:图像对象

name_of_window:图像窗口名称

'''

cv2.namedWindow(name_of_window, cv2.WINDOW_NORMAL)

cv2.imshow(name_of_window, image)

cv2.waitKey()

cv2.destroyAllWindows()

(2)一些基础图像处理的方法

cropped:cropped = image[y:y+h, x:x+w],就是以(y, x)为起点,裁剪大小为(h, w)的图像,以左上角为起点,竖直向下的方向为y轴,横向为x轴。

resized:dim = (width, height)

resized = cv2.resize(img, dim, interpolation = cv2.INTER_AREA)

调整图像的大小。

用下面的代码分别进行这两种图像的处理:img = cv2.imread("firstPer.jpg", 1)

# 裁剪图片大小,裁剪100范围的图片

cropped = img[0:100, 0:100]

viewImage(cropped,"firstPer")

python视觉识别定位_基于Python+OpenCV的人脸特征定位程序_第4张图片img = cv2.imread("firstPer.jpg", 1)

scale_percent = 30    #调整30%的大小

width = int(img.shape[1] * scale_percent / 100)

height = int(img.shape[0] * scale_percent / 100)

dim = (width, height)

resized = cv2.resize(img, dim, interpolation = cv2.INTER_AREA)

viewImage(resized,"firstPer")

python视觉识别定位_基于Python+OpenCV的人脸特征定位程序_第5张图片

还有一一些用的操作方法,就是旋转,调节亮度,变模糊/平滑,绘制边框,绘制线段等,在这里并不是进行图像处理,因此就先不先向大家讲解。哈哈。

(3)图像灰度处理

在进行人脸识别时,好多地方都先进行图像变灰度的操作,这里也给大家介绍一下:

这里有一个阈值函数,gray_image,将所有图像变为比127更暗直至0或者增加亮度到255,将图像的彩色边框的内容略过。

灰度处理代码:gray_image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

viewImage(gray_image,"gray Image")

结果:

python视觉识别定位_基于Python+OpenCV的人脸特征定位程序_第6张图片

亮度彩色阈值处理代码:one,threshold_image = cv2.threshold(img, 127, 255, 0)

viewImage(threshold_image,"firstPer")

结果:

python视觉识别定位_基于Python+OpenCV的人脸特征定位程序_第7张图片

主要是有后面的三个参数控制,大家有兴趣可以自行学习。

(4)人脸识别初讲

如果我们需要进行人脸识别,需要下载一些opencv配置文件,地址为:https://github.com/opencv/opencv/tree/master/data/haarcascades,这里我们用到的是haarcascade_frontalface_default.xml文件。用下面的代码进行检测:face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

img = cv2.imread("firstPer.jpg")

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

faces = face_cascade.detectMultiScale(

gray,           # 灰度图

scaleFactor= 1.1,   # 缩放比例

minNeighbors= 2,    # 识别出一个人脸之前在当前物体周围需要检测的物体数目

minSize=(50, 50)    #窗口的大小

)

firstPer = format(len(faces)) + "faces detected!"

print(firstPer)# Draw a rectangle around the faces

for (x, y, w, h) in faces:

cv2.rectangle(img, (x, y), (x+w, y+h), (255, 255, 0), 2)

viewImage(img,firstPer)

detectMultiScale函数是一个检测物体的通用函数。当我们把它用于人脸检测时,它就会从图像中检测出人脸。

但是我们却发现,根本没有检测出我们可爱的小樱的脸,这是为什么呢?不急,我们先用其他图片检测:

python视觉识别定位_基于Python+OpenCV的人脸特征定位程序_第8张图片

python视觉识别定位_基于Python+OpenCV的人脸特征定位程序_第9张图片

python视觉识别定位_基于Python+OpenCV的人脸特征定位程序_第10张图片

python视觉识别定位_基于Python+OpenCV的人脸特征定位程序_第11张图片

python视觉识别定位_基于Python+OpenCV的人脸特征定位程序_第12张图片

再来一张最美的图片:

python视觉识别定位_基于Python+OpenCV的人脸特征定位程序_第13张图片

这时我们发现,识别程序识别的时候会有两个要注意的地方,第一个是动漫图片线条简单,有时候并不能识别出;而且识别的能力和图片的清晰度也有关系。

你可能感兴趣的:(python视觉识别定位)