本文實例講述了Python基于OpenCV庫Adaboost實現(xiàn)人臉識別功能。分享給大家供大家參考，具體如下：

以前用Matlab寫神經(jīng)網(wǎng)絡(luò)的面部眼鏡識別算法，研究算法邏輯，采集大量訓(xùn)練數(shù)據(jù)，迭代，計算各感知器的系數(shù)。。。相當(dāng)之麻煩~而現(xiàn)在運用調(diào)用pythonOpenCV庫Adaboost算法，無需知道算法邏輯，無需進(jìn)行模型訓(xùn)練，人臉識別變得相當(dāng)之簡單了。
需要用到的庫是opencv(open source computer vision)，下載安裝方式如下：

使用pip install numpy語句安裝numpy

（如果出現(xiàn)錯誤：Microsoft Visual C++ 9.0 is required <unable to find vcvarsall.bat>，使用管理員身份安裝 Microsoft Visual C++ 9.0，重新啟動計算機(jī)，再使用使用pip install numpy語句安裝numpy

opencv2.4.10下載

下載之后解壓(隨便解壓到哪里)，將解壓目錄opencv文件夾中，build->python->2.7->x86下的文件cv2.pyd 復(fù)制到python2.7\Lib\site-packages 中

測試是否安裝成功，執(zhí)行解壓目錄下的sources\samples\python\drawing.py或者進(jìn)入python環(huán)境，使用import cv2

首先講講需要用到的新函數(shù)：

CascadeClassifier()函數(shù),導(dǎo)入分類器

cv2.CascadeClassifier('xxxxx.xml')
#haarcascade_frontalface_alt.xml臉部識別文件
#haarcascade_eye.xml眼部識別文件

函數(shù)的參數(shù)是xml完整路徑(具體看你的opencv安裝在哪里的，在opencv\sources\data\haarcascades下面)，xml文件中是封裝好的算法

detectMultiScale()函數(shù)，進(jìn)行識別

detectMultiScale(image,scaleFactor,minNeighbors,flags,minSize,maxSize)

• 最終返回值為識別出的矩陣框[x, y, w, h]，(x,y)左上角起始坐標(biāo)，w寬，h高
• image:用于檢測的圖像
• scaleFactor:前后兩次相繼的掃描中，搜索窗口的比例系數(shù).例如1.1指將搜索窗口依次擴(kuò)大10%。圖片小的時候，比例系數(shù)盡量小能提高準(zhǔn)確率
• minNeighbors:構(gòu)成檢測目標(biāo)的相鄰矩形的最小個數(shù)。一般使用2or3，為0時返回所有的被檢候選矩形框。

rectangle()函數(shù)，在圖片上畫矩陣

cv2.rectangle(image,(x,y),(x+w,y+h),(0,255,0),2)

• image是原始圖片
• (x,y)是矩形左上角
• (x+w,y+h)是矩形右下角
• (0,255,0)是矩形的BGR顏色, 為紅色
• 2, 是繪制矩形的線寬

程序邏輯：

導(dǎo)入Haar級聯(lián)分類器算法，讀入要處理圖片，將圖片變成時候的大小，用detectMultiScale()函數(shù)先識別出人臉，在原圖上框出，然后提取出識別出的人臉矩形框，在人臉矩形框內(nèi)識別出眼睛，在原圖上框出，展示出識別完的圖像。

完整程序及注解：

import cv2
face_cascade = cv2.CascadeClassifier('D:\opencv\sources\data\haarcascades/haarcascade_frontalface_alt.xml')
eye_cascade = cv2.CascadeClassifier('D:\opencv\sources\data\haarcascades/haarcascade_eye.xml')
img1 = cv2.imread('face1.png')
img = cv2.resize(img1,(240,320),interpolation=cv2.INTER_LINEAR)
faces = face_cascade.detectMultiScale(img,1.2,2)
for (x,y,w,h) in faces:
  cv2.rectangle(img,(x,y),(x+w,x+h),(255,0,0),2)#用顏色為BGR（255,0,0）粗度為2的線條在img畫出識別出的矩型
  face_re = img[y:y+h,x:x+w]#抽取出框出的臉部部分，注意順序y在前
  eyes = eye_cascade.detectMultiScale(face_re)#在框出的臉部部分識別眼睛
  for (ex,ey,ew,eh) in eyes:
    cv2.rectangle(face_re,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)
cv2.imshow('img',img)
key = cv2.waitKey(0)
if key==27:
  cv2.destoryWindow('img')

最后po個作者的照騙，展示一下最終的識別效果：

1--識別前

1——識別后

2——識別前

2——識別后

問題：

1.斜的臉識別率不高
2.大小不同的圖片識別率不同，所有最好把圖片處理成差不多大小的圖片
3.眼部有遮擋物時，眼睛識別率底，比如：有眼睛，有頭發(fā)

歡迎有能解決上面問題的朋友能夠交流一下~

更多關(guān)于Python相關(guān)內(nèi)容感興趣的讀者可查看本站專題：《Python數(shù)據(jù)結(jié)構(gòu)與算法教程》、《Python編碼操作技巧總結(jié)》、《Python函數(shù)使用技巧總結(jié)》、《Python字符串操作技巧匯總》及《Python入門與進(jìn)階經(jīng)典教程》

希望本文所述對大家Python程序設(shè)計有所幫助。

最新評論