机器学习 | opencv实现人脸识别

人脸检测 | opencv实现人脸检测

opencv实现人脸检测

特征数据下载地址,完整代码下载地址
使用opencv已经训练好的haar特征xml文件,可以在图片或视频中检测出人脸、微笑、眼睛的坐标,利用该坐标完成进一步操作

环境准备pip install Pillow ; pip install opencv-python

# -*- coding: UTF-8 -*-

import cv2

def detectPicture(path, xml):
    detector = cv2.CascadeClassifier(xml)
    image = cv2.imread(path)
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    faces = detector.detectMultiScale(gray, 1.15, 5)

    if len(faces) > 0:
        for (x, y, w, h) in faces:
            cv2.rectangle(image, (x, y), (x + w, y + w), (255, 255, 0), 2)
    
    cv2.imshow("image", image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

def detectVideo(xml):
    detector = cv2.CascadeClassifier(xml)
    cap = cv2.VideoCapture(1)

    while True:
        ret, image = cap.read()
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        faces = detector.detectMultiScale(gray, 1.3, 5)
        for (x, y, w, h) in faces:
            cv2.rectangle(image, (x, y), (x + w, y + h), (255, 255, 0), 2)

        cv2.imshow('frame', image)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

    cap.release()
    cv2.destroyAllWindows()

if __name__ == '__main__':
    detectPicture(path, "haarcascades/haarcascade_frontalface_alt.xml")
    # detectVideo("haarcascades/haarcascade_frontalface_alt.xml")

效果如图所示


opencv实现人脸识别

完整代码,扫描目录下所有图片,并将处理完成的图片裁剪保存

# -*- coding: UTF-8 -*-

import os, cv2
from PIL import Image, ImageDraw

# 检测人脸
def detect(path, xml):
    detector = cv2.CascadeClassifier(xml)
    image = cv2.imread(path)
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    faces = detector.detectMultiScale(gray, 1.15, 5)

    # if len(faces) > 0:
    #     for (x, y, w, h) in faces:
    #         cv2.rectangle(image, (x, y), (x + w, y + w), (255, 255, 0), 2)
    #
    # cv2.imshow("image", image)
    # cv2.waitKey(0)
    # cv2.destroyAllWindows()

    return faces

# 保存截图
def saveCrop(path, faces, destination):
    imageName = os.path.basename(path).split('.')
    count = 0
    for (x, y, w, h) in faces:
        savePath = os.path.join(destination, 
            imageName[0] + str(count) + "." + imageName[1])
        Image.open(path).crop((x, y, x + w, y + w)).save(savePath)
        count += 1

# 保存
def saveDraw(path, faces, destination):
    image = Image.open(path)
    imageName = os.path.basename(path).split('.')
    draw = ImageDraw.Draw(image)
    for (x, y, w, h) in faces:
        draw.rectangle((x, y, x + w, y + w), outline = (255, 255, 0))

    savePath = os.path.join(destination, imageName[0] + "_draw." + imageName[1])
    image.save(savePath)

if __name__ == '__main__':
    src = "images"
    destination = "result"
    if not os.path.exists(destination):
        os.makedirs(destination)

    files = os.listdir(src)
    for file in files:
        if not os.path.isdir(file):
            path = os.path.join(src, file)
            faces = detect(path, "haarcascades/haarcascade_frontalface_alt.xml")
            saveCrop(path, faces, destination)
            saveDraw(path, faces, destination)
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,525评论 6 507
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,203评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,862评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,728评论 1 294
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,743评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,590评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,330评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,244评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,693评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,885评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,001评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,723评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,343评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,919评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,042评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,191评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,955评论 2 355