时间:2021-05-22
将opencv中haarcascade_frontalface_default.xml文件下载到本地,我们调用它辅助进行人脸识别。
注意,此算法只能检测正脸,并且任何算法都有一定的准确率。如上图所示,图像中有一处被错误地检测为人脸。
是OpenCV中人脸检测的一个级联分类器,既可以使用Haar,也可以使用LBP特征。以Haar特征分类器为基础的对象检测技术是一种非常有效的技术。它是基于机器学习且使用大量的正负样本训练得到分类器。
是用于物体检测的数字图像特征。这类矩形特征模板由两个或多个全等的黑白矩形相邻组合而成,而矩形特征值是白色矩形的灰度值的和减去黑色矩形的灰度值的和,矩形特征对一些简单的图形结构,如线段、边缘比较敏感。如果把这样的矩形放在一个非人脸区域,那么计算出的特征值应该和人脸特征值不一样,所以这些矩形就是为了把人脸特征量化,以区分人脸和非人脸。
是一种特征提取方式,能提取出图像的局部的纹理特征,最开始的LBP算子是在3X3窗口中,取中心像素的像素值为阀值,与其周围八个像素点的像素值比较,若像素点的像素值大于阀值,则此像素点被标记为1,否则标记为0。这样就能得到一个八位二进制的码,转换为十进制即LBP码,于是得到了这个窗口的LBP值,用这个值来反映这个窗口内的纹理信息。LBPH是在原始LBP上的一个改进,在opencv支持下我们可以直接调用函数直接创建一个LBPH人脸识别的模型。比如:cv.face.LBPHFaceRecognizer_create()。
检测人脸算法,其参数:
– image表示要检测的输入图像
– objects表示检测到的人脸目标序列
– scaleFactor表示每次图像尺寸减小的比例
– 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
– minSize表示目标的最小尺寸
– maxSize表示目标的最大尺寸
将视频中每一帧图像取出,进行图像人脸识别,标记识别到的人脸,显示每一帧图像。
#coding:utf-8import cv2 as cvimport numpy as np# 加载视频cap = cv.VideoCapture('wang.mp4')# 调用熟悉的人脸分类器 识别特征类型# 人脸 - haarcascade_frontalface_default.xml# 人眼 - haarcascade_eye.xm# 微笑 - haarcascade_smile.xmlface_detect = cv.CascadeClassifier('haarcascade_frontalface_default.xml')while True: # 读取视频片段 flag, frame = cap.read() if flag == False: break # 灰度处理 gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY) # 检查人脸 按照1.1倍放到 周围最小像素为5 face_zone = face_detect.detectMultiScale(gray, scaleFactor = 1.5, minNeighbors = 8) # 绘制矩形和圆形检测人脸 for x, y, w, h in face_zone: cv.rectangle(frame, pt1 = (x, y), pt2 = (x+w, y+h), color = [0,0,255], thickness=2) cv.circle(frame, center = (x + w//2, y + h//2), radius = w//2, color = [0,255,0], thickness = 2) # 显示图片 cv.imshow('video', frame) # 设置退出键和展示频率 if ord('q') == cv.waitKey(25): break# 释放资源cv.destroyAllWindows()cap.release()以上就是python基于opencv实现人脸识别的详细内容,更多关于python opencv 人脸识别的资料请关注其它相关文章!
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
本文实例讲述了Python基于OpenCV库Adaboost实现人脸识别功能。分享给大家供大家参考,具体如下:以前用Matlab写神经网络的面部眼镜识别算法,研
基于pythonopencv人脸识别的签到系统前言先看下效果实现的功能开始准备页面的构建功能实现代码部分总结前言一个基于opencv人脸识别和TensorFlo
利用Python+opencv实现从摄像头捕获图像,识别其中的人眼/人脸,并打上马赛克。系统环境:Windows7+Python3.6.3+opencv3.4.
Python调用OpenCV实现人脸识别,供大家参考,具体内容如下硬件环境:Win1064位软件环境:Python版本:2.7.3IDE:JetBrainsPy
本文实例为大家分享了Python基于OpenCV实现人脸检测,并保存的具体代码,供大家参考,具体内容如下安装opencv如果安装了pip的话,Opencv的在w