1:简介
人脸检测指从现实环境中识别出人脸的位置;
人脸识别基于人脸检测,下一步才能辨析人脸的属性,从而判别这个人是谁。
2:图像基本概念
帧:一张图
帧数:一秒钟刷新多少张图片
分辨率:单位大小所能承载的像素,能力为正相关
图像插值:提高图像分辨率
OpenCV提供了5种插值方法:最邻近、双线性、基于像素区域、立方插值及兰索斯插值(加粗的两个时间复杂度低)
介绍:引用 图像插值
灰度图:二值图像的拓展,在黑白两种颜色中取得灰色,黑,白,灰
人脸ROI
3:应用
用Haar级联来做人脸检测。 Haar级联通过在多个尺度上从图像中提取大量的简单特征来实现。
简单特征主要指边、线、矩形特征等,这些特征都非常易于计算,
然后通过创建一系列简单的分类器来做训练。
这里需要一个cascade_files去训练model,完整代码见我的github
https://github.com/shaojintian/Face_detection/tree/master
#face_nose&eyes_detection.py
import cv2
import numpy as np
#import Haar files to train face detection model
face_cascade=cv2.CascadeClassifier('cascade_files/haarcascade_frontalface_alt.xml')
nose_cascade=cv2.CascadeClassifier('cascade_files/haarcascade_mcs_nose.xml')
eye_cascade=cv2.CascadeClassifier('cascade_files/haarcascade_eye.xml')
# check whether haar is done
if face_cascade.empty():
raise IOError('Unable to load haarcascade_frontalface_alt')
if nose_cascade.empty():
raise IOError('Unable to load haarcascade_mcs_nose.xml')
if eye_cascade.empty():
raise IOError('Unable to load haarcascade_eye.xml')
# initialize camera from PC camera
# parameter 0 -> PC camera
camera=cv2.VideoCapture(0)
#image clearity scale
scale_image=0.6
# infinite circle to capture images
while True:
#capture current image
#frame->帧
ret,frame=camera.read()
#每次都调整一下帧的大小
#interpolation(插值法):最近邻时间复杂度最小
frame=cv2.resize(frame,None,fx=scale_image,fy=scale_image,
interpolation=cv2.INTER_NEAREST)
#将图像转为灰度图
gray=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
#灰度图像上运行人脸检测器->人脸矩形框
#1.5->乘积系数,5->最小紧邻数量
face_rects=face_cascade.detectMultiScale(gray,1.5,5)
#画出人脸矩形框
#nose ,eyes in face_rects
#3->框的厚度
for(x,y,w,h) in face_rects:
cv2.rectangle(frame,(x,y),(x+w,y+h),(255,128,0),2)
#require face ROI information
roi_gray=gray[y:y+h,x:x+w]
roi_color=frame[y:y+h,x:x+w]
eye_rects=eye_cascade.detectMultiScale(roi_gray)
nose_rects=nose_cascade.detectMultiScale(roi_gray)
#draw eye and nose rectangle
for(x_eye,y_eye,w_eye,h_eye) in eye_rects:
center=(int(x_eye+0.5*w_eye),int(y_eye+0.5*h_eye))
radius=int(0.3*(w_eye+h_eye))
color=(0,255,255)
thickness=2
cv2.circle(roi_color,center,radius,color,thickness)
for(x_nose,y_nose,w_nose,h_nose) in nose_rects:
center=(int(x_nose+0.5*w_nose),int(y_nose+0.5*h_nose))
radius=int(0.3*(w_nose+h_nose))
color=(0,255,255)
thickness=2
cv2.circle(roi_color,center,radius,color,thickness)
break
#显示帧
cv2.namedWindow('SJT_cam',0)#0->auto size window
cv2.imshow('SJT_cam',frame)
# 通过esc退出
#wait 1ms to check key response
key=cv2.waitKey(1)
if key==27:#27==ESC
break;
#释放摄像头
camera.release()
#关闭所有窗体
cv2.destroyAllWindows()