人脸识别是指通过计算机对人脸图像进行分析,识别出人脸上的一些信息,如人脸的位置、大小、姿态、形状、以及其中的眼睛、鼻子、嘴巴等细节,对身份的识别具有重要的应用价值。
一、准备工作
在开始我们的人脸识别程序之前,需要完成以下准备工作:
1、下载安装OpenCV库
在Python中实现人脸识别需要使用到的库是OpenCV。在终端输入如下命令,即可完成OpenCV的下载安装:
pip install opencv-python
2、下载人脸识别模型文件
在进行人脸识别时,需要用到Haar级联分类器,该分类器是基于机器学习的目标检测算法。我们可以使用OpenCV官方提供的人脸识别模型文件,其下载链接如下:
https://github.com/opencv/opencv/tree/master/data/haarcascades
下载完成后,将文件保存到项目根目录下。
二、代码实现
接下来,我们来结合代码实现人脸识别。代码如下:
import cv2
# 加载分类器
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# 加载图片
img = cv2.imread('test.jpg')
# 转换为黑白图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 检测人脸
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
# 绘制矩形框
for (x,y,w,h) in faces:
cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
# 显示图片
cv2.imshow('img',img)
cv2.waitKey()
该代码实现了对指定图片进行人脸识别,并在识别到人脸的位置上绘制了一个矩形框。
三、代码解析
在代码实现中,我们主要需要了解以下几个部分:
1、加载人脸识别模型文件
我们通过如下代码,加载了OpenCV官方提供的haar级联分类器文件,该文件已经包含了训练好的人脸识别模型:
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
2、读取图片文件
我们通过如下代码,读取指定的图片文件:
img = cv2.imread('test.jpg')
3、将图片转换为黑白图片
为了方便后续对人脸进行检测,我们需要将读取到的图片转换为黑白图片。通过下面代码,即可完成图片的转换:
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
4、检测人脸
我们通过如下代码,调用haar级联分类器对图片中的人脸进行检测,得到人脸的位置和大小信息:
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
其中,detectMultiScale()函数的第一个参数是待检测图片的灰度,第二个参数是表示每次图片大小减小的比例,第三个参数是每一个目标至少被检测到5次才会被认为是真的目标。
5、绘制矩形框
最后,我们通过如下代码,在图片中识别到的人脸位置上绘制一个蓝色矩形框:
for (x,y,w,h) in faces:
cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
其中,(x,y)是矩形框左上角的坐标,w和h是矩形框的宽和高。
四、代码运行
在代码完成后,我们需要将代码存储为.py文件,并确保图片文件和haar级联分类器文件位于同一目录下。在终端中进入到该文件所在目录,运行命令:
python face_detection.py
即可运行Python人脸识别程序并查看结果。
五、总结
通过这个Python项目案例,我们学习了如何使用OpenCV库对图片中的人脸进行识别,得到人脸的位置和大小信息,并在图片中绘制人脸所在的矩形框。这个项目并不复杂,但是很好地演示了OpenCV库的基本使用方法,适合初学者学习。