用Python在25行以下代码实现人脸识别

这篇具有很好参考价值的文章主要介绍了用Python在25行以下代码实现人脸识别。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

**

OpenCV

**
OpenCV是最流行的计算机视觉库。最初是用C/C++编写的,现在它提供了Python的API。

OpenCV使用机器学习算法来搜索图片中的面孔。因为脸是如此复杂,没有一个简单的测试可以告诉你它是否找到了一张脸。相反,有成千上万的小模式和特征必须匹配。这些算法将识别人脸的任务分解为数千个较小的、适合大小的任务,每个任务都很容易解决。这些任务也称为分类器.

对于脸像这样的东西,可能有6000个或更多的分类器,所有这些都必须匹配才能检测到人脸(当然,在错误限制范围内)。但问题就在这里:对于人脸检测,算法从图片的左上角开始,向下移动到小块数据中,查看每个块,不断地问:“这是一张脸吗?…这是张脸吗?…这是张脸吗?“由于每个块有6000或更多的测试,您可能需要进行数百万的计算,这将使您的计算机陷入瘫痪。

为了避免这种情况,OpenCV使用级联。

就像一系列瀑布一样,OpenCV级联将人脸检测问题分解为多个阶段。对于每个块,它做了一个非常粗糙和快速的测试。如果通过,它会进行稍微详细的测试,依此类推。该算法可能有30到50个这样的阶段或级联,只有当所有阶段都通过时,它才能检测到一张脸。

它的优点是,大多数图片在最初的几个阶段会返回一个负值,这意味着算法不会浪费时间来测试它上的所有6000个特性。现在可以实时进行人脸检测,不用花上几个小时。

实践中的级联
虽然这个理论听起来很复杂,但在实践中却相当容易。级联本身只是一堆XML文件,其中包含用于检测对象的OpenCV数据。你用你想要的级联初始化你的代码,然后它为你做工作。

由于人脸检测是如此常见的情况,OpenCV附带了许多内置的级联,用于检测从脸到眼睛、手到腿的所有东西。对于非人类的事物,甚至还有级联。例如,如果你经营一家香蕉店,想追踪偷香蕉的人,为此造了一个!

安装OpenCV

首先,您需要找到正确的安装文件你的操作系统.

我发现安装OpenCV是这项任务中最困难的部分。如果出现奇怪的无法解释的错误,可能是由于库冲突、32/64位差异等原因造成的。我发现只使用Linux虚拟机并从头安装OpenCV是最简单的。

安装完成后,可以通过触发Python会话并键入:

>>> import cv2
>>>

如果你没有任何错误,你可以继续下一部分。

理解方法
让我们来分析一下实际的代码,可以从这网站https://github.com/shantnu/FaceDetect/下载这些代码。获取face_detect.py脚本、abba.png pic和haarcascade_frontalface_default.xml

Get user supplied values

imagePath = sys.argv[1]
cascPath = sys.argv[2]

首先将图像和串级名称作为命令行参数传递。我们将使用ABBA图像以及默认级联来检测OpenCV提供的面孔。

Create the haar cascade

faceCascade = cv2.CascadeClassifier(cascPath)

现在我们创建这个级联并用我们的脸级联初始化它。这会将脸级联加载到内存中,这样就可以使用了。记住,级联只是一个XML文件,它包含用于检测面孔的数据。

Read the image

image = cv2.imread(imagePath)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

在这里,我们读取图像并将其转换为灰度。OpenCV中的许多操作都是以灰度形式完成的。

Detect faces in the image

faces = faceCascade.detectMultiScale(
    gray,
    scaleFactor=1.1,
    minNeighbors=5,
    minSize=(30, 30),
    flags = cv2.cv.CV_HAAR_SCALE_IMAGE
)

这个函数检测实际的外观,是代码的关键部分,所以让我们来看看下面的选项:

这个detectMultiScale功能是一个检测对象的通用函数。因为我们叫它在面部级联,这就是它检测到的。

第一个选项是灰度图像。

第二个是scaleFactor…因为有些脸可能离摄像机更近,所以看起来比后面的脸要大。比例因子对此进行补偿。

该检测算法使用移动窗口检测物体。minNeighbors定义在当前对象声明找到的脸之前,在当前对象附近检测到多少个对象。minSize同时,给出每个窗口的大小。

注:我取了这些字段常用的值。在现实生活中,您将尝试不同的窗口大小、比例因子等值,直到找到最适合您的值为止。

该函数返回一个矩形列表,其中它认为它找到了一张脸。接下来,我们将循环到它认为它发现了什么东西的地方。

print “Found {0} faces!”.format(len(faces))

Draw a rectangle around the faces

for (x, y, w, h) in faces:
    cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2)

此函数返回4个值:x和y矩形的位置,以及矩形的宽度和高度(w , h).

使用这些值绘制一个矩形。rectangle()功能。

cv2.imshow("Faces found", image)
cv2.waitKey(0)

最后,我们显示图像,等待用户按下键。

检查结果
让我们根据ABBA的照片进行测试:

$ python face_detect.py abba.png haarcascade_frontalface_default.xml

用Python在25行以下代码实现人脸识别

这起作用了。再来一张照片怎么样:

用Python在25行以下代码实现人脸识别

那个…不是一张脸。我们再试一次。我更改了参数,发现设置scaleFactor把错误的脸去掉了。

用Python在25行以下代码实现人脸识别

What?
第一张照片是用高质量的相机拍的。第二个似乎是从远处拿来的,可能是用手机拍的。这就是为什么scaleFactor必须修改。正如我说过的,你必须在逐个案例的基础上设置算法,以避免误报。

但是,请注意,由于这是基于机器学习,结果永远不会是100%的准确性。在大多数情况下,您将获得足够好的结果,但有时算法会将不正确的对象识别为Faces。文章来源地址https://www.toymoban.com/news/detail-434440.html


```perl
最后的代码可以找到。https://github.com/shantnu/FaceDetect

到了这里,关于用Python在25行以下代码实现人脸识别的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 零基础用一百行代码完成动态的人脸识别(opencv+python)

    废话:(其实是介绍了一下该文章的大概来路)       电子化的时代到处都能看到人脸识别的用途;比如:刷脸门禁,火车站检票口,又比如检查站,还有一些比较高端的汽车还支持刷脸开门等等。      近期呢接了个学校的一个项目有关于刷脸门禁的,我在CSDN上找了很多

    2024年02月09日
    浏览(36)
  • OpenCV-Python:简单实现人脸识别

    core 核心功能模块。该模块主要包含 OpenCV库的基础结构以及基本操作,例如OpenCV基础数据结构、绘图函数、数组操作相关函数、动态数据结构等calib3d: 这个模块名称是有 calibration(校准)和 3D 两个术语的缩写组合而成。包含了相机标定与立体视觉等功能,例如物体位姿估计

    2024年02月09日
    浏览(43)
  • 【opencv】python实现人脸检测和识别训练

    OpenCV 中的人脸识别通常基于哈尔特征分类器(Haar Cascade Classifier)进行。以下是 OpenCV 人脸识别的基本原理: Haar Cascade Classifier : 特征分类器 :Haar 特征是一种基于矩形区域的特征,可以用于图像中的对象检测。这些特征可以表示边缘、线和区域的变化等。 级联分类器 :

    2024年01月17日
    浏览(50)
  • Python - OpenCV实现摄像头人脸识别(亲测版)

    要使用Python 3和OpenCV进行摄像头人脸识别,您可以按照以下步骤进行操作: 0.安装OpenCV软件 去官网直接下载安装即可,如果是C++使用OpenCV,需要使用编译源码并配置环境变量。 1.安装OpenCV库 在命令行中输入以下命令: 2.准备人脸检测器 使用OpenCV的人脸检测器可以检测出图像中

    2024年02月15日
    浏览(45)
  • Python+OpenCV 调用手机摄像头并实现人脸识别

    文章内容 : 1、windows 环境下安装 OpenCV 机器视觉环境搭建; 2、基于通过 Python+OpenCV 调用 手机摄像头 并实现人脸检测识别。 操作环境:Windows 10 64位 开发 IDE:Spyder 4.2.5 Python:3.8 OpenCV:OpenCv-Python 4.5.3 硬件需要:PC(win10)、手机 主要介绍使用 pip 安装 OpenCV(使用.whl文件安装

    2024年02月09日
    浏览(56)
  • 基于opencv和python的人脸识别签到系统设计与实现

    收藏和点赞,您的关注是我创作的动力   人脸识别广泛的应用于各个领域。一般来说,人脸具有人类基因、指纹等独特的生物学特性,因此可以作为生物特征识别,从而方便、快速、准确地识别被摄体,可见人脸识别是一种有效的身份识别工具。该技术可以应用于任何需要

    2024年02月04日
    浏览(48)
  • 使用OpenCV工具包成功实现人脸检测与人脸识别,包括传统视觉和深度学习方法(附完整代码,吐血整理......)

    要实现人脸识别功能,首先要进行人脸检测,判断出图片中人脸的位置,才能进行下一步的操作。 参考链接: 1、OpenCV人脸检测 2、【OpenCV-Python】32.OpenCV的人脸检测和识别——人脸检测 3、【youcans 的图像处理学习课】23. 人脸检测:Haar 级联检测器 4、OpenCV实战5:LBP级联分类器

    2024年02月12日
    浏览(45)
  • 使用OpenCV工具包成功实现人脸检测与人脸识别,包括传统视觉和深度学习方法(附完整代码,模型下载......)

    要实现人脸识别功能,首先要进行人脸检测,判断出图片中人脸的位置,才能进行下一步的操作。 参考链接: 1、OpenCV人脸检测 2、【OpenCV-Python】32.OpenCV的人脸检测和识别——人脸检测 3、【youcans 的图像处理学习课】23. 人脸检测:Haar 级联检测器 4、OpenCV实战5:LBP级联分类器

    2024年02月08日
    浏览(45)
  • 计算机竞赛 深度学习 python opencv 实现人脸年龄性别识别

    🔥 优质竞赛项目系列,今天要分享的是 🚩 基于深度学习的人脸年龄性别识别算法实现 该项目较为新颖,适合作为竞赛课题方向,学长非常推荐! 🥇学长这里给一个题目综合评分(每项满分5分) 难度系数:4分 工作量:4分 创新点:3分 🧿 更多资料, 项目分享: https://gitee

    2024年02月07日
    浏览(84)
  • Python|OpenCV-实现自动“追踪并检测”视频中的人脸识别(14)

    前言 本文是该专栏的第15篇,后面将持续分享OpenCV计算机视觉的干货知识,记得关注。 在本专栏之前,笔者在文章《Python|OpenCV-实现检测人脸以及性别检测(12)》中,有详细介绍通过OpenCV实现对图像中的人物人脸进行性别以及人脸检测,对此领域感兴趣的同学,可直接点击翻阅

    2024年04月14日
    浏览(42)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包