电脑基础 · 2023年3月26日

基于OpenCV的人脸识别

目录

🥩 前言

🍖 环境使用

🍖 模块使用

🍖 模块介绍

🍖 模块安装问题:

🥩 OpenCV 简介

🍖 安装 OpenCV 模块

🥩 OpenCV 基本使用

🍖 读取图片

🍗 【示例】读取图片

🍗 运行结果如下:

🍖 图片灰度转换

🍗【示例】将图片灰度

🍗 运行结果如下:

 🍖 画图

🍗【示例】画图

🍗 运行结果如下:

🥩 总结


🥩 前言

基于OpenCV的人脸识别

我们身边的人脸识别有车站检票,监控人脸,无人超市,支付宝人脸支付,上班打卡,人脸解锁手机。

人脸检测是人脸识别系统组成的关键部分之一,其目的是检测出任意给定图片中的包含的一个或多个人脸,是人脸识别、表情识别等下游任务的基础。人脸识别是通过采集包含人脸的图像或视频数据,通过对比和分析人脸特征信息从而实现身份识别的生物识别技术,是人脸识别系统的核心组件。

随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。我们本文介绍简单的OpenCVZ中图像的处理。

🍖 环境使用

  • python 3.9
  • pycharm

🍖 模块使用

  • opencv-python

🍖 模块介绍

  1. opencv

关于OpenCv
Opencv是一个开源的的跨平台计算机视觉库,内部实现了图像处理和计算机视觉方面的很多通用算法,对于python而言,在引用opencv库的时候需要写为import cv2。其中,cv2是opencv的C++命名空间名称,使用它来表示调用的是C++开发的opencv的接口。

目前人脸识别有很多较为成熟的方法,这里调用OpenCv库,而OpenCV又提供了三种人脸识别方法,分别是LBPH方法、EigenFishfaces方法、Fisherfaces方法。本文采用的是LBPH(Local Binary Patterns Histogram,局部二值模式直方图)方法。在OpenCV中,可以用函数cv2.face.LBPHFaceRecognizer_create()生成LBPH识别器实例模型,然后应用cv2.face_FaceRecognizer.train()函数完成训练,最后用cv2.face_FaceRecognizer.predict()函数完成人脸识别。

CascadeClassifier,是Opencv中做人脸检测的时候的一个级联分类器。并且既可以使用Haar,也可以使用LBP特征。其中Haar特征是一种反映图像的灰度变化的,像素分模块求差值的一种特征。它分为三类:边缘特征、线性特征、中心特征和对角线特征。

🍖 模块安装问题:

  • 如果安装python第三方模块:

win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车

在pycharm中点击Terminal(终端) 输入安装命令

  • 安装失败原因:
  • 失败一: pip 不是内部命令

                解决方法: 设置环境变量

  • 失败二: 出现大量报红 (read time out)

                解决方法: 因为是网络链接超时, 需要切换镜像源

    清华:https://pypi.tuna.tsinghua.edu.cn/simple
    阿里云:https://mirrors.aliyun.com/pypi/simple/
    中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
    华中理工大学:https://pypi.hustunique.com/
    山东理工大学:https://pypi.sdutlinux.org/
    豆瓣:https://pypi.douban.com/simple/
    例如:pip3 install -i https://pypi.doubanio.com/simple/ 模块名
  • 失败三: cmd里面显示已经安装过了, 或者安装成功了, 但是在pycharm里面还是无法导入

                解决方法: 可能安装了多个python版本 (anaconda 或者 python 安装一个即可) 卸载一个就好,或者你pycharm里面python解释器没有设置好。

🥩 OpenCV 简介

        OpenCV 的全称是 Open Source Computer Vision Library,是一个跨平台的计算机视觉库。

OpenCV 是由英特尔公司发起并参与开发,以 BSD 许可证授权发行,可以在商业和研究领

域中免费使用。OpenCV 可用于开发实时的图像处理、计算机视觉以及模式识别程序。该程

序库也可以使用英特尔公司的 IPP 进行加速处理。

        OpenCV 用 C++语言编写,它的主要接口也是 C++语言,但是依然保留了大量的 C 语

言接口。该库也有大量的Python、Java and MATLAB/OCTAVE(版本 2.5)的接口。这些语

言的 API 接口函数可以通过在线文档获得。如今也提供对于 C#、Ch、Ruby、GO 的支持。

🍖 安装 OpenCV 模块

        OpenCV 已经支持 python 的模块了,直接使用 pip 就可以进行安装,命令如下:

pip install opencv-python

🥩 OpenCV 基本使用

🍖 读取图片

        显示图像是 OpenCV 最基本的操作之一,imshow()函数可以实现该操作。如果使用过其

他 GUI 框架背景,就会很自然第调用 imshow()来显示一幅图像。imshow()函数有两个参数:

显示图像的帧名称以及要显示的图像本身。直接调用 imshow()函数图像确实会显示,但随

即会消失。要保证图片一直在窗口上显示,要通过 waitKey()函数。waitKey()函数的参数为

等待键盘触发的时间,单位为毫秒,其返回值是-1(表示没有键被按下)

image = cv2.imread(imagepath)

🍗 【示例】读取图片

import cv2 as cv
img=cv.imread('1.png')
cv.imshow('input image',img)
cv.waitKey(0)
cv.destroyAllWindows() 

         我们首先是读取我们的图片,在这里"1.png"是相对路径,注意读取图片的路径不能有中文,不然数据读取不出来。我们发现我们不加waitkey,程序运行之后就会一闪而过,所以,waitKey(0) 的作用就是等待键盘的输入。

🍗 运行结果如下:

基于OpenCV的人脸识别

🍖 图片灰度转换

        OpenCV 中有数百种关于在不同色彩空间之间转换的方法。当前,在计算机视觉中有三

种常用的色彩空间:灰度、BGR、以及 HSV(Hue,Saturation,Value)。

  1. (1)灰度色彩空间是通过去除彩色信息来将其转换成灰阶,灰度色彩空间对中间处理
  2. 特别有效,比如人脸识别。
  3. (2)BGR 及蓝、绿、红色彩空间,每一个像素点都由一个三元数组来表示,分别代表
  4. 蓝、绿、红三种颜色。网页开发者可能熟悉另一个与之相似的颜色空间:RGB 它们只是颜
  5. 色顺序上不同。
  6. (3)HSV,H(Hue)是色调,S(Saturation)是饱和度,V(Value)表示黑暗的程度
  7. (或光谱另一端的明亮程度)。

        灰度转换的作用就是:转换成灰度的图片的计算强度得以降低。示例如下:

🍗【示例】将图片灰度

import cv2 as cv
img=cv.imread('1.png')
cv.imshow('input image',img)
gray_img=cv.cvtColor(img,code=cv.COLOR_BGR2GRAY)
cv.imshow('gray_image',gray_img)
cv.waitKey(0)
cv.destroyAllWindows()
cv.imwrite('gray_lena.jpg',gray_img)

🍗 运行结果如下:

基于OpenCV的人脸识别

 🍖 画图

OpenCV 的强大之处的一个体现就是其可以对图片进行任意编辑,处理。 下面的这个

函数最后一个参数指定的就是画笔的大小。

🍗【示例】画图

import cv2 as cv
img=cv.imread('1.png')
x,y,w,h=50,50,80,80
cv.rectangle(img,(x,y,x+w,y+h),color=(0,255,0),thickness=2) #color=BGR
cv.circle(img,center=(x+w//2,y+h//2),radius=w//2,color=(0,0,255),thickness=2)
cv.imshow('result image',img)
cv.waitKey(0)
cv.destroyAllWindows()

🍗 运行结果如下:

基于OpenCV的人脸识别

🥩 总结

随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。介绍OpenCV中图像的处理。我们学习了如何安装模块,以及读取图片和图片的处理。下一篇,我们将介绍Haar的概念,以及如何对图片和视频中进行人脸检测。

基于OpenCV的人脸识别