OpenCV3計算機視覺 Python語言實現（4）

2 使用opencv進行人臉檢測和識別

opencv地Haar級聯不具有旋轉不變性

Haar級聯數據來源於data文件中

xml中存放的是訓練後的特徵池，特徵size大小根據訓練時的參數而定，檢測的時候可以簡單理解為就是將每個固定size特徵（檢測窗口）與輸入圖像的同樣大小區域比較，如果匹配那麼就記錄這個矩形區域的位置，然後滑動窗口，檢測圖像的另一個區域，重複操作。由於輸入的圖像中特徵大小不定，比如在輸入圖像中眼睛是50x50的區域，而訓練時的是25x25，那麼只有當輸入圖像縮小到一半的時候，才能匹配上，所以這裡還有一個逐步縮小圖像，也就是製作圖像金字塔的流程。

import cv2filename = face.jpegdef detect(filename): # CascadeClassifier，是Opencv中做人臉檢測的時候的一個級聯分類器，需要data文件夾中 #的xml文件作為輸入 face_cascade = cv2.CascadeClassifier(cascades/haarcascade_frontalface_default.xml) img = cv2.imread(filename) gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #調用CascadeClassifier類中的detectMultiScale函數對灰度圖像進行人臉檢測 #輸入參數為scaleFactor和minNeighbors分別表示人臉檢測過程中每次迭代圖像地壓縮率 #以及每個人臉矩形保留近鄰數目的最小值 #輸出為人臉矩形數組 faces = face_cascade.detectMultiScale(gray,1.3,5) for (x,y,w,h) in faces: cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2) cv2.namedWindow(Demo) cv2.imshow(Demo,img) cv2.waitKey() cv2.destroyAllWindows()detect(filename)

import cv2def detect(filename): #不同的配置xml face_cascade = cv2.CascadeClassifier(cascades/haarcascade_frontalface_default.xml) eye_cascade = cv2.CascadeClassifier(cascades/haarcascade_eye.xml) img = cv2.imread(filename) gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #檢測臉 faces = face_cascade.detectMultiScale(gray_img,1.3,5) for (x,y,w,h) in faces: #繪製人臉矩形 cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2) #選擇人臉矩形作為眼睛待檢區域 注意opencv中y是寬，x是高 roi_gray = gray_img[y:y+h,x:x+w] #進行眼睛檢測 #限制眼睛搜索的最小尺寸為40*40像素 eyes = eye_cascade.detectMultiScale(roi_gray,1.03,5,0,(40,40)) #由於得到的坐標為roi_gray坐標，因此需要增加x和y變為img坐標 for (ex,ey,ew,eh) in eyes: cv2.rectangle(img,(ex+x,ey+y),(x+ex+ew,y+ey+eh),(255,0,0),2) cv2.imshow(demo,img) cv2.waitKey() cv2.destroyAllWindows()detect(face3.jpeg)

人臉識別

opencv3有三種人臉識別方法，分別基於Eigenfaces、Fisherfaces以及Local Binary Pattern Histogram(LBPH)

使用Eigenfaces進行識別

import cv2model = cv2.face.createEigenFaceRecognizer()model.train(np.asarray(X),np.asarray(y))params = model.predict(roi)print Label: %s, Confidence: %.2f % (params[0],params[1])

使用Fisherfaces進行識別

model = cv2.face_createFisherFaceRecognizer()

使用LBPH的人臉識別

model = cv2.face.createLBPHFaceRecognizer()

推薦閱讀：