python opencv 人脸比对_Python-OpenCV 干货 人脸辨识1、余弦相似度
一、目的
通过某人的一张照片，在他与别人的合影中找到他。
1.算法描述
读取两张图像，生成图像矩阵，以两个图像矩阵为基础，调用OpenCV的相关函数完成人脸定位。
读取两张图像的人脸区域，生成人脸图像矩阵，并将人脸矩阵转换为灰度图
比较分析人脸图像矩阵，找到最相近的人脸。
2.比较算法使用欧氏距离算法
在进行人脸识别是，可使用标准欧氏距离算法。算法基本原理是：
将标准欧氏距离算法作为比较分析人脸图像矩阵方法。
首先，将两个人脸调整为指定大小；
接着，用所包含像素的三元色数值组成特征组，然后将特征组映射为高维空间的某个点（在此称之为特征点）；
最后，计算两个人脸图像的特征点映射到高维空间后的距离，以欧氏距离最小者为最匹配的人脸。
二、代码
下面代码需要OPENCV的data库，在代码中需要指向opencv的data位置。
git clone https://github.com/opencv/opencv
# -*- coding: utf-8 -*-
# code:
# 11-2.py
# 标准欧氏距离实现的人脸识别
import cv2
import numpy as np
print('loding...')
OPCV_PATH = r"D:/tools/opencv/sources/data/haarcascades"
def get_EuclideanDistance(x, y):
myx = np.array(x)
myy = np.array(y)
return np.sqrt(np.sum((myx - myy) * (myx - myy))) * np.var(myx - myy)
def get_distance(img, findimg):
newsize = (img.shape[1], img.shape[0])
fimg = cv2.resize(findimg, newsize)
my_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# my_fimg=cv2.cvtColor(fimg,cv2.COLORBGR2GRAY)
my_fimg = cv2.cvtColor(fimg, cv2.COLOR_BGR2GRAY)
return get_EuclideanDistance(my_img, my_fimg)
color = (0, 0, 0) # 设置人脸框的颜色
def findface(src, index):
image = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
cv2.equalizeHist(image, image) # 灰度图像进行直方图等距化
# 加载OpenCv的面部特征库
classfier = cv2.CascadeClassifier(OPCV_PATH + "/haarcascade_frontalface_alt.xml")
# 找到人脸的位置
# 设定最小图像的大小
divisor = 8
h = image.shape[1]
w = image.shape[0]
minSize = (int(w / divisor), int(h / divisor)) # 这里加了一个取整函数
rect = classfier.detectMultiScale(image, 1.2, 2, cv2.CASCADE_SCALE_IMAGE, minSize)
if len(rect) > 0: # 如果人脸数组长度大于0
for faceRect in rect: # 对每一个人脸画矩形框
x, y, w, h = faceRect
cv2.rectangle(image, (x, y), (x + w, y + h), color)
cv2.imshow('img' + str(index), image)
result = []
for r in rect:
result.append([(r[0], r[1]), (r[0] + r[2], r[1] + r[3])])
print(result)
return result
search_file = 'search.jpg'
origin_file = 'origin.jpg'
origin_img = cv2.imread(origin_file)
search_img = cv2.imread(search_file)
# 获取人脸在图像中的坐标
origin_result = findface(origin_img, 1)[0]
origin_img_crop = origin_img[origin_result[0][1]:origin_result[1][1], origin_result[0][0]:origin_result[1][0], :]
cv2.rectangle(origin_img, origin_result[0], origin_result[1], (255, 0, 255))
search_result = findface(search_img, 2)
# 比较第1张脸
tmp = search_img[search_result[0][0][1]:search_result[0][1][1], search_result[0][0][0]:search_result[0][1][0], :]
distance_face1 = get_distance(origin_img_crop, tmp)
print('distance1 = %f' % distance_face1)
cv2.imshow('1', tmp)
# 比较第2张脸
tmp = search_img[search_result[1][0][1]:search_result[1][1][1], search_result[1][0][0]:search_result[1][1][0], :]
distance_face2 = get_distance(origin_img_crop, tmp)
print('distance2 = %f' % distance_face2)
cv2.imshow('2', tmp)
if distance_face1 < distance_face2:
cv2.rectangle(search_img, search_result[0][0], search_result[0][1], (255, 0, 255))
else:
cv2.rectangle(search_img, search_result[1][0], search_result[1][1], (255, 0, 255))
cv2.imshow('search', search_img)
cv2.imshow('origin', origin_img)
cv2.waitKey()
cv2.destroyAllWindows()
原始图片：
从下面的图中找到他：
运行效果：