人脸检测是OpenCV的一个很不错的功能,它是人脸识别的基础。人脸识别其实就是一个程序能识别给定图像或视频中的人脸。
人脸识别模块特征
1、是用一系列分好类的图像来“训练”程序,并基于这些图像来进行识别。这就是OpenCV 及其人脸识别模块进行人脸识别的过程。
2、每个识别都具有转置信(confidence)评分,因此可在实际应用中通过对其设置阈值来进行筛选。
人脸识别两种方式
1、自己获得图像或从人脸数据库免费获得可用的人脸图像。
2、互联网上有许多人脸数据库:为了对这些样本进行人脸识别,必须要在包含人脸的样本图像上进行人脸识别。这是一 个学习的过程,但并不像自己提供的图像那样令人满意。
importos importcv2 fromPILimportImage importnumpyasnp defgetImageAndLabels(path): facesSamples=[] ids=[] imagePaths=[os.path.join(path,f)forfinos.listdir(path)] #检测人脸 #加载特征数据 face_detector=cv2.CascadeClassifier( 'D:/Python/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml') #参数:scaleFactor(比例因子):图片缩放多少,minNeighbors:至少检测多少次,minSizemaxSize:当前检测区域的最小面积 #scaleFactor=1.01,minNeighbors=3,maxSize=(33,33),minSize=(28,28) #遍历列表中的图片 forimagePathinimagePaths: #打开当前图片 PIL_img=Image.open(imagePath).convert('L') #将图片转化为数组 img_numpy=np.array(PIL_img,'uint8') faces=face_detector.detectMultiScale(img_numpy) #获取每张图片的id id=int(os.path.split(imagePath)[1].split('.')[0]) #获取人脸区域 forx,y,w,hinfaces: #进行切片处理,获取图像数组和id facesSamples.append(img_numpy[y:y+h,x:x+w]) ids.append(id) returnfacesSamples,ids if__name__=='__main__': #图片路径 path='./data/jm/' #获取图像数组和id标签数组 faces,ids=getImageAndLabels(path) #获取循环对象 recognizer=cv2.face.LBPHFaceRecognizer_create() recognizer.train(faces,np.array(ids)) #保存文件 recognizer.write('trainer/trainer.yml')
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。
评论(0)