將opencv中haarcascade_frontalface_default.xml文件下載到本地，我們調(diào)用它輔助進行人臉識別。

#coding:utf-8import cv2 as cv# 讀取原始圖像img = cv.imread(’face.png’)# 調(diào)用熟悉的人臉分類器 識別特征類型# 人臉 - haarcascade_frontalface_default.xml# 人眼 - haarcascade_eye.xml# 微笑 - haarcascade_smile.xmlface_detect = cv.CascadeClassifier(’haarcascade_frontalface_default.xml’)gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)# 檢查人臉 按照1.1倍放到 周圍最小像素為5face_zone = face_detect.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)print (’識別人臉的信息：’,face_zone)# 繪制矩形和圓形檢測人臉for x, y, w, h in face_zone: # 繪制矩形人臉區(qū)域 thickness表示線的粗細 cv.rectangle(img, pt1=(x, y), pt2=(x+w, y+h),color=[0,0,255], thickness=2) # 繪制圓形人臉區(qū)域 radius表示半徑 cv.circle(img, center=(x+w//2, y+h//2), radius=w//2, color=[0,255,0], thickness=2)# 設(shè)置圖片可以手動調(diào)節(jié)大小cv.namedWindow('Easmount-CSDN', 0)# 顯示圖片cv.imshow('Easmount-CSDN', img)# 等待顯示 設(shè)置任意鍵退出程序cv.waitKey(0)cv.destroyAllWindows()

注意，此算法只能檢測正臉，并且任何算法都有一定的準(zhǔn)確率。如上圖所示，圖像中有一處被錯誤地檢測為人臉。

是OpenCV中人臉檢測的一個級聯(lián)分類器，既可以使用Haar，也可以使用LBP特征。以Haar特征分類器為基礎(chǔ)的對象檢測技術(shù)是一種非常有效的技術(shù)。它是基于機器學(xué)習(xí)且使用大量的正負樣本訓(xùn)練得到分類器。

是用于物體檢測的數(shù)字圖像特征。這類矩形特征模板由兩個或多個全等的黑白矩形相鄰組合而成，而矩形特征值是白色矩形的灰度值的和減去黑色矩形的灰度值的和，矩形特征對一些簡單的圖形結(jié)構(gòu)，如線段、邊緣比較敏感。如果把這樣的矩形放在一個非人臉區(qū)域，那么計算出的特征值應(yīng)該和人臉特征值不一樣，所以這些矩形就是為了把人臉特征量化，以區(qū)分人臉和非人臉。

是一種特征提取方式，能提取出圖像的局部的紋理特征，最開始的LBP算子是在3X3窗口中，取中心像素的像素值為閥值，與其周圍八個像素點的像素值比較，若像素點的像素值大于閥值，則此像素點被標(biāo)記為1，否則標(biāo)記為0。這樣就能得到一個八位二進制的碼，轉(zhuǎn)換為十進制即LBP碼，于是得到了這個窗口的LBP值，用這個值來反映這個窗口內(nèi)的紋理信息。LBPH是在原始LBP上的一個改進，在opencv支持下我們可以直接調(diào)用函數(shù)直接創(chuàng)建一個LBPH人臉識別的模型。比如：cv.face.LBPHFaceRecognizer_create()。

檢測人臉?biāo)惴ǎ鋮?shù)：? image表示要檢測的輸入圖像? objects表示檢測到的人臉目標(biāo)序列? scaleFactor表示每次圖像尺寸減小的比例? minNeighbors表示每一個目標(biāo)至少要被檢測到3次才算是真的目標(biāo)，因為周圍的像素和不同的窗口大小都可以檢測到人臉? minSize表示目標(biāo)的最小尺寸? maxSize表示目標(biāo)的最大尺寸

將視頻中每一幀圖像取出，進行圖像人臉識別，標(biāo)記識別到的人臉，顯示每一幀圖像。

#coding:utf-8import cv2 as cvimport numpy as np# 加載視頻cap = cv.VideoCapture(’wang.mp4’)# 調(diào)用熟悉的人臉分類器 識別特征類型# 人臉 - haarcascade_frontalface_default.xml# 人眼 - haarcascade_eye.xm# 微笑 - haarcascade_smile.xmlface_detect = cv.CascadeClassifier(’haarcascade_frontalface_default.xml’)while True: # 讀取視頻片段 flag, frame = cap.read() if flag == False: break # 灰度處理 gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY) # 檢查人臉 按照1.1倍放到 周圍最小像素為5 face_zone = face_detect.detectMultiScale(gray, scaleFactor = 1.5, minNeighbors = 8) # 繪制矩形和圓形檢測人臉 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) # 顯示圖片 cv.imshow(’video’, frame) # 設(shè)置退出鍵和展示頻率 if ord(’q’) == cv.waitKey(25): break# 釋放資源cv.destroyAllWindows()cap.release()

#coding:utf-8import cv2 as cv# 識別電腦攝像頭并打開cap = cv.VideoCapture(0)# 調(diào)用熟悉的人臉分類器 識別特征類型# 人臉 - haarcascade_frontalface_default.xml# 人眼 - haarcascade_eye.xm# 微笑 - haarcascade_smile.xmlface_detect = cv.CascadeClassifier(’haarcascade_frontalface_default.xml’)while True: # 讀取視頻片段 flag, frame = cap.read() if flag == False: break # 灰度處理 gray = cv.cvtColor(frame, code=cv.COLOR_BGR2GRAY) # 檢查人臉 按照1.1倍放到 周圍最小像素為5 face_zone = face_detect.detectMultiScale(gray, scaleFactor = 1.1, minNeighbors = 5) # 繪制矩形和圓形檢測人臉 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) # 顯示圖片 cv.imshow(’video’, frame) # 設(shè)置退出鍵和展示頻率 if ord(’q’) == cv.waitKey(40): break# 釋放資源cv.destroyAllWindows()cap.release()

以上就是python基于opencv實現(xiàn)人臉識別的詳細內(nèi)容，更多關(guān)于python opencv 人臉識別的資料請關(guān)注好吧啦網(wǎng)其它相關(guān)文章！