人脸识别之目标追踪识别

人脸识别之目标追踪识别
1.开发工具
Python版本：Anaconda 3.8环境
开发软件：Pycharm社区版
相关模块：sys模块，pypinyin模块，os模块，opencv-contrib-python 模块，opencv-python模块。
模型：cv2中自带的人脸识别模型
2.环境搭建
安装Anaconda并将路径添加到环境变量，创建python虚拟环境，安装Pycharm并将路径添加到环境变量，使用pip安装需要的相关模块即可。
3.原理介绍
目标追踪的人脸识别是改进后的人脸识别算法，通过第一帧进行人脸模型的判定，当检测到人脸时，通过在人脸上画框，以这一张图片为基准，在接下来的视频中将会自动追踪刚刚识别到的人脸。
4.优点
由于只是从第一张检测到人脸的视频帧中使用了模型，在后续的视频中都是自动追踪人脸，大大的减少了每一帧图片处理时使用模型的时间，使得视频更快更流畅。
5.代码流畅分析介绍
导入相关模块

定义一个函数，在函数中写入代码

通过这段代码创建追踪器

存在人脸时将第一张人脸设为模板，进行目标检测

当视频流存在时继续追踪，不存在时退出循环

完整代码展示

import sys
import pypinyin
import os
import cv2


def zhui_zong():
    count = 0
    (major_ver, minor_ver, subminor_ver) = (cv2.__version__).split('.')
    print(major_ver, minor_ver, subminor_ver)
    faceCascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
    # 创建跟踪器
    tracker_type = 'MIL'
    tracker = cv2.TrackerMIL_create()
    # 读入视频
    video = cv2.VideoCapture("1.mp4")
    # 读入第一帧
    ok, frame = video.read()
    if not ok:
        print('Cannot read video file')
        sys.exit()
    # 定义一个bounding box
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    faces = faceCascade.detectMultiScale(
        gray,
        scaleFactor=1.1,
        minNeighbors=5,
        minSize=(30, 30),
        flags=cv2.CASCADE_SCALE_IMAGE
    )
    if list(faces):
        for (x, y, w, h) in faces:
            bbox = (x, y, w, h)
            print(bbox)
    ok = tracker.init(frame, bbox)
    while True:
        ok, frame = video.read()
        if not ok:
            break
        # Start timer
        timer = cv2.getTickCount()
        # Update tracker
        ok, bbox = tracker.update(frame)
        # Cakculate FPS
        fps = cv2.getTickFrequency() / (cv2.getTickCount() - timer)
        # Draw bonding box
        if ok:
            p1 = (int(bbox[0]), int(bbox[1]))
            p2 = (int(bbox[0] + bbox[2]), int(bbox[1] + bbox[3]))
            cv2.rectangle(frame, p1, p2, (255, 0, 0), 2, 1)
        else:
            cv2.putText(frame, "Tracking failed detected", (100, 80), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 0, 255), 2)
        # 展示tracker类型
        cv2.putText(frame, tracker_type + "Tracker", (100, 20), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (50, 170, 50), 2)
        # 展示FPS
        cv2.putText(frame, "FPS:" + str(fps), (100, 50), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (50, 170, 50), 2)
        # Result
        cv2.imshow("Tracking", frame)

        # Exit
        k = cv2.waitKey(1) & 0xff
        if k == 27:
            break


if __name__ == '__main__':
    zhui_zong()

运行效果展示，速度快了许多倍