什么是人臉識別

人臉識別，是基于人的臉部特征信息進(jìn)行身份識別的一種生物識別技術(shù)。用攝像機(jī)或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進(jìn)而對檢測到的人臉進(jìn)行臉部識別的一系列相關(guān)技術(shù)，通常也叫做人像識別、面部識別。

目前的人臉識別技術(shù)已經(jīng)非常成熟了，還發(fā)展成3D人臉識別。而且現(xiàn)在各大廠商也都提供了人臉識別的API接口供我們調(diào)用，可以說幾行代碼就可以完成人臉識別。但是人臉識別的根本還是基于圖像處理。在Python中最強(qiáng)大的圖像處理庫就是OpenCV。

OpenCV簡介

OpenCV是一個(gè)基于BSD許可(開源)發(fā)行的跨平臺計(jì)算機(jī)視覺庫，可以運(yùn)行在Linux、Windows、Android和Mac OS操作系統(tǒng)上。OpenCV可用于開發(fā)實(shí)時(shí)的圖像處理、計(jì)算機(jī)視覺以及模式識別程序。它輕量級而且高效——由一系列 C 函數(shù)和少量 C++ 類構(gòu)成，同時(shí)提供了Python、Ruby、MATLAB等語言的接口，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺方面的很多通用算法。

OpenCV基本使用

安裝

pip install opencv-python # 基礎(chǔ)庫pip install opencv-contrib-python # 擴(kuò)展庫pip install opencv-python-headless

讀取圖片

讀取和顯示圖片是最基本的操作了，OpenCV當(dāng)中使用imread和imshow實(shí)現(xiàn)該操作

import cv2 as cv# 讀取圖片，路徑不能含有中文名，否則圖片讀取不出來image = cv.imread('1111.jpg')# 顯示圖片cv.imshow('image', image)# 等待鍵盤輸入，單位是毫秒，0表示無限等待cv.waitKey(0)# 因?yàn)樽罱K調(diào)用的是C++對象，所以使用完要釋放內(nèi)存cv.destroyAllWindows()

將圖片轉(zhuǎn)為灰度圖

OpenCV中數(shù)百中關(guān)于不同色彩控件之間轉(zhuǎn)換的方法。目前最常用的有三種：灰度、BGR、HSV。

• 灰度色彩空間是通過去除彩色信息來講圖片轉(zhuǎn)換成灰階，灰度圖會大量減少圖像處理中的色彩處理，對人臉識別很有效。
• BGR每個(gè)像素都由一個(gè)三元數(shù)組來表示，分別代碼藍(lán)、綠、紅三種顏色。python中還有一個(gè)庫PIL，讀取的圖片通道是RGB，其實(shí)是一樣的，只是顏色順序不一樣
• HSV，H是色調(diào)，S是飽和度，V是黑暗的程度
  將圖片轉(zhuǎn)換為灰度圖

import cv2 as cv# 讀取圖片，路徑不能含有中文名，否則圖片讀取不出來image = cv.imread('1111.jpg')# cv2讀取圖片的通道是BGR，# PIL讀取圖片的通道是RGB# code選擇COLOR_BGR2GRAY，就是BGR to GRAYgray_image = cv.cvtColor(image, code=cv.COLOR_BGR2GRAY)# 顯示圖片cv.imshow('image', gray_image)# 等待鍵盤輸入，單位是毫秒，0表示無限等待cv.waitKey(0)# 因?yàn)樽罱K調(diào)用的是C++對象，所以使用完要釋放內(nèi)存cv.destroyAllWindows()

繪制矩形

image = cv.imread('1111.jpg')x, y, w, h = 50, 50, 80, 80# 繪制矩形cv.rectangle(image, (x, y, x+w, y+h), color=(0, 255, 0), thickness=2)# 繪制圓形cv.circle(image, center=(x + w//2, y + h//2), radius=w//2, color=(0, 0, 255), thickness=2)cv.imshow('image', image)cv.waitKey(0)cv.destroyAllWindows()

人臉檢測

人臉檢測實(shí)際上是對圖像提取特征，Haar特征是一種用于實(shí)現(xiàn)實(shí)時(shí)人臉跟蹤的特征。每個(gè)Haar特征都描述了相鄰圖像區(qū)域的對比模式。比如邊、定點(diǎn)和細(xì)線都能生成具有判別性的特征。OpenCV給我們提供了Haar特征數(shù)據(jù)，在cv2/data目錄下，使用特征數(shù)據(jù)的方法def detectMultiScale(self, image, scaleFactor=None, minNeighbors=None, flags=None, minSize=None, maxSize=None)

• scaleFactor: 指定每個(gè)圖像比例縮小多少圖像
• minNeighbors: 指定每個(gè)候選矩形必須保留多少個(gè)鄰居，值越大說明精度要求越高
• minSize：檢測到的最小矩形大小
• maxSize: 檢測到的最大矩形大小

檢測圖片中人臉

import osimport cv2 as cvdef face_detect_demo(image): # 將圖片轉(zhuǎn)換為灰度圖 gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY) # 加載特征數(shù)據(jù) face_detector = cv.CascadeClassifier(os.path.join(cv.data.haarcascades, 'haarcascade_frontalface_default.xml')) faces = face_detector.detectMultiScale(gray) for x, y, w, h in faces: cv.rectangle(image, (x, y), (x + w, y + h), color=(0, 255, 0), thickness=2)# 讀取圖片，路徑不能含有中文名，否則圖片讀取不出來image = cv.imread('2222.jpg')face_detect_demo(image)# 顯示圖片cv.imshow('image', image)# 等待鍵盤輸入，單位是毫秒，0表示無限等待cv.waitKey(0)# 因?yàn)樽罱K調(diào)用的是C++對象，所以使用完要釋放內(nèi)存cv.destroyAllWindows()

采用默認(rèn)參數(shù)，檢測人臉數(shù)據(jù)不全，需要調(diào)整detectMultiScale函數(shù)的參數(shù)，調(diào)整為faces = face_detector.detectMultiScale(gray, scaleFactor=1.02, minNeighbors=3)

我們發(fā)現(xiàn)除了檢測到人臉數(shù)據(jù)，還有一些其他的臟數(shù)據(jù)，這個(gè)時(shí)候可以打印檢測出的人臉數(shù)據(jù)位置和大小

faces = face_detector.detectMultiScale(gray, scaleFactor=1.02, minNeighbors=3)for x, y, w, h in faces: print(x, y, w, h) # 打印每一個(gè)檢測到的數(shù)據(jù)位置和大小 cv.rectangle(image, (x, y), (x + w, y + h), color=(0, 255, 0), thickness=2)

從大小中我們看到最大的兩個(gè)矩形，剛好是人臉數(shù)據(jù)，其余都是臟數(shù)據(jù)，那么繼續(xù)修改函數(shù)參數(shù)faces = face_detector.detectMultiScale(gray, scaleFactor=1.02, minNeighbors=3, minSize=(80, 80))

檢測視頻中人臉

視頻就是一張一張的圖片組成的，在視頻的幀上面重復(fù)這個(gè)過程就能完成視頻中的人臉檢測了。視頻讀取OpenCV為我們提供了函數(shù)VideoCapture，參數(shù)可以是視頻文件或者0(表示調(diào)用攝像頭)

import cv2 as cv# 人臉檢測def face_detect_demo(image): try: # 將圖片轉(zhuǎn)換為灰度圖 gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY) # 加載特征數(shù)據(jù) face_detector = cv.CascadeClassifier(os.path.join(cv.data.haarcascades, 'haarcascade_frontalface_default.xml')) faces = face_detector.detectMultiScale(gray) for x, y, w, h in faces: print(x, y, w, h) cv.rectangle(image, (x, y), (x + w, y + h), color=(0, 255, 0), thickness=2) except Exception as e: passcap = cv.VideoCapture('人臉識別.mp4')while cap.isOpened(): flag, frame = cap.read() face_detect_demo(frame) cv.imshow('result', frame) if ord('q') == cv.waitKey(5): breakcap.realse()cv.destroyAllWindows()

這個(gè)我們是做的人臉識別，怎么把愛好都識別了，這么先進(jìn)嗎？很顯然這不太符合我們的要求，愛好只能藏在心里，你給我檢測出來就不行了。所以我們必須要進(jìn)行優(yōu)化處理。OpenCV為我們提供了一個(gè)機(jī)器學(xué)習(xí)的小模塊，我們可以訓(xùn)練它，讓它只識別我們需要的部分，不要亂猜測。

訓(xùn)練數(shù)據(jù)

訓(xùn)練數(shù)據(jù)就是我們把一些圖片交給訓(xùn)練模型，讓模型熟悉她，這樣它就能更加準(zhǔn)確的識別相同的圖片。訓(xùn)練的數(shù)據(jù)一般我們可以從網(wǎng)上搜索：人臉識別數(shù)據(jù)庫，或者從視頻中保存美幀的數(shù)據(jù)作為訓(xùn)練集。所有的人臉識別算法在他們的train()函數(shù)中都有兩個(gè)參數(shù)：圖像數(shù)組和標(biāo)簽數(shù)組。這些標(biāo)簽標(biāo)示進(jìn)行識別時(shí)候的人臉I(yè)D，根據(jù)ID可以知道被識別的人是誰。

獲取訓(xùn)練集

從視頻中每隔5幀截取一個(gè)圖片，保存成圖片

import cv2cap = cv2.VideoCapture('人臉識別.mp4')number = 100count = 1while cap.isOpened() and number > 0: flag, frame = cap.read() if not flag: break if count % 5 == 0: # 按照視頻圖像中人臉的大體位置進(jìn)行裁剪，只取人臉部分 img = frame[70:280, 520:730] cv2.imwrite('data/{}.png'.format(number), img) number -= 1 count += 1cap.release()cv2.destroyAllWindows()

使用LBPH訓(xùn)練模型

def getImageAndLabels(path_list): faces = [] ids = [] image_paths = [os.path.join(path_list, f) for f in os.listdir(path_list) if f.endswith('.png')] face_detector = cv.CascadeClassifier(os.path.join(cv.data.haarcascades, 'haarcascade_frontalface_default.xml')) for image in image_paths: img = cv.imread(image) gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY) faces = face_detector.detectMultiScale(gray) _id = int(os.path.split(image)[1].split('.')[0]) for x, y, w, h in faces: faces.append(gray[y:y+h, x:x+w]) ids.append(_id) return faces, idsfaces, ids = getImageAndLabels('data')# 訓(xùn)練recognizer = cv.face.LBPHFaceRecognizer_create()recognizer.train(faces, np.array(ids))# 保存訓(xùn)練特征recognizer.write('trains/trains.yml')

基于LBPH的人臉識別

LBPH將檢測到的人臉分為小單元，并將其與模型中的對應(yīng)單元進(jìn)行比較，對每個(gè)區(qū)域的匹配值產(chǎn)生一個(gè)直方圖。調(diào)整后的區(qū)域中調(diào)用predict函數(shù)，該函數(shù)返回兩個(gè)元素的數(shù)組，第一個(gè)元素是所識別的個(gè)體標(biāo)簽，第二個(gè)元素是置信度評分。所有的算法都有一個(gè)置信度評分閾值，置信度評分用來衡量圖像與模型中的差距，0表示完全匹配。LBPH有一個(gè)好的識別參考值要低于50。基本步驟為：

• cv.VideoCapture讀取視頻
• Haar算法檢測人臉數(shù)據(jù)
• 基于LBPH訓(xùn)練集得到準(zhǔn)確人臉數(shù)據(jù)，并輸出標(biāo)記此人是誰
• 按置信度取準(zhǔn)確度高的人臉標(biāo)記出來

import osimport cv2 as cvdef face_detect_demo(image): try: global number # 將圖片轉(zhuǎn)換為灰度圖 gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY) # 加載特征數(shù)據(jù) faces = face_detector.detectMultiScale(gray, scaleFactor=1.02, minNeighbors=3) for x, y, w, h in faces: # 獲取置信度，大于80表示取值錯(cuò)誤 _id, confidence = recognizer.predict(gray[y:y + h, x:x + w]) if confidence < 80: cv.rectangle(image, (x, y), (x + w, y + h), color=(0, 255, 0), thickness=2) except Exception as e: passdef check_face(): cap = cv.VideoCapture('人臉識別.mp4') while cap.isOpened(): flag, frame = cap.read() if not flag: break face_detect_demo(frame) cv.imshow('img', frame) cv.waitKey(2) cv.destroyAllWindows()if __name__ == '__main__': # 加載訓(xùn)練數(shù)據(jù)文件 recognizer = cv.face.LBPHFaceRecognizer_create() recognizer.read('trains/trains.yml') face_detector = cv.CascadeClassifier(os.path.join(cv.data.haarcascades, 'haarcascade_frontalface_default.xml')) check_face()

總結(jié)

通過上面一步步的學(xué)習(xí)，你是不是對OpenCV人臉識別有個(gè)基本的認(rèn)識了呢?但是我們也看到了，整個(gè)人臉識別的主要算法還是基于Haar，而且準(zhǔn)確度并不是特別高，主要是會檢測出很多非人臉的數(shù)據(jù)。LBPH是讓我們給某個(gè)人臉進(jìn)行標(biāo)記，告訴我們他是誰，并沒有提高實(shí)際的檢測準(zhǔn)確度。現(xiàn)在機(jī)器學(xué)習(xí)是非常火爆的，基于OpenCV的機(jī)器學(xué)習(xí)人臉識別也精確度也很高，下次我們在來對比幾種機(jī)器學(xué)習(xí)人臉識別的庫。

總結(jié)

以上是生活随笔為你收集整理的人脸识别代码_10行代码实现人脸识别的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。