项目实训|山东大学项目实训二——python+opencv实现人脸识别人工智能|计算机视觉|python

python+opencv实现人脸识别

文章图片

文章图片

安装OpenCV

文章图片

1.读取文件&灰度转换

#导入cv模块 import cv2 as cv #读取图片 img = cv.imread('face1.jpg') #灰度转换 gray_img = cv.cvtColor(img,cv.COLOR_BGR2GRAY) #显示灰度图片 cv.imshow('gray',gray_img) #保存灰度图片 cv.imwrite('gray_face1.jpg',gray_img) #显示图片 cv.imshow('read_img',img) #等待 cv.waitKey(0) #释放内存 cv.destroyAllWindows()

效果：

2.修改尺寸

#导入cv模块 import cv2 as cv #读取图片 img = cv.imread('face1.jpg') #修改尺寸 resize_img = cv.resize(img,dsize=(200,200)) #显示原图 cv.imshow('img',img) #显示修改后的 cv.imshow('resize_img',resize_img) #打印原图尺寸大小 print('未修改：',img.shape) #打印修改后的大小 print('修改后：',resize_img.shape) #等待 while True: if ord('q') == cv.waitKey(0): break #释放内存 cv.destroyAllWindows()

文章图片

3是RGB通道数，按q退出运行
3.绘制矩阵&人脸检测

#导入cv模块 import cv2 as cv #检测函数 def face_detect_demo(): gary = cv.cvtColor(img,cv.COLOR_BGR2GRAY) face_detect = cv.CascadeClassifier('D:/Junior second/shixun/OPENCV(WIN)/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml') face = face_detect.detectMultiScale(gary,1.01,5,0,(100,100),(300,300)) for x,y,w,h in face: cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2) cv.imshow('result',img)#读取图像 img = cv.imread('face1.jpg') #检测函数 face_detect_demo() #等待 while True: if ord('q') == cv.waitKey(0): break #释放内存 cv.destroyAllWindows()

这里面最主要的一个函数就是detectMultiScale()。文档中的解释如下：
opencv2中人脸检测使用的是 detectMultiScale函数。它可以检测出图片中所有的人脸，并将人脸用vector保存各个人脸的坐标、大小（用矩形表示），函数由分类器对象调用：

void detectMultiScale( const Mat& image, CV_OUT vector& objects, double scaleFactor = 1.1, int minNeighbors = 3, int flags = 0, Size minSize = Size(), Size maxSize = Size() );

函数介绍：
参数1：image–待检测图片，一般为灰度图像加快检测速度；
参数2：objects–被检测物体的矩形框向量组；
参数3：scaleFactor–表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%;
参数4：minNeighbors–表示构成检测目标的相邻矩形的最小个数(默认为3个)。
如果组成检测目标的小矩形的个数和小于min_neighbors - 1 都会被排除。
如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框，
这种设定值一般用在用户自定义对检测结果的组合程序上；
参数5：flags–要么使用默认值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果设置为
CV_HAAR_DO_CANNY_PRUNING，那么函数将会使用Canny边缘检测来排除边缘过多或过少的区域，因此这些区域通常不会是人脸所在区域；
参数6、7：minSize和maxSize用来限制得到的目标区域的范围。
简单来说： 1.image表示的是要检测的输入图像
2.objects表示检测到的人脸目标序列
3.scaleFactor表示每次图像尺寸减小的比例
4. minNeighbors表示每一个目标至少要被检测到3次才算是真的目标(因为周围的像素和不同的窗口大小都可以检测到人脸),
【项目实训|山东大学项目实训二——python+opencv实现人脸识别】5.minSize为目标的最小尺寸
6.minSize为目标的最大尺寸
显示结果：