B站Python与OpenCV人脸识别项目超详细记录（对图片视频摄像头人脸的检测）

Posted 2023-03-03 好喜欢吃红柚子

课程来源：一天搞定人脸识别项目！学不会up直接下跪！（python+opencv）_哔哩哔哩_bilibili

图片来源：感谢王鹤棣先生友情出镜~

环境配置详见：

在conda虚拟环境中安装OpenCv并在pycharm中使用_conda虚拟环境安装opencv_好喜欢吃红柚子的博客-CSDN博客

---

---

一、读取图片

 1.1 代码实现

#导入cv模块
import cv2 as cv
#读取图片
img = cv.imread('1.png')
#显示图片
cv.imshow('showFace',img)
#等待delay
cv.waitKey(0)
#释放内存
cv.destroyAllWindows()

1.2 效果展示 

二、图片灰度化

2.1 图片灰度化作用 

 图像处理时为什么灰度化_图像灰度化处理的目的_whaosoft143的博客-CSDN博客 

---

 为什么做图片识别要将彩色图像灰度化呢？

图像灰度化的目的是为了简化矩阵，提高运算速度。

        彩色图像中的每个像素颜色由R、G、B三个分量来决定，而每个分量的取值范围都在0-255之间，这样对计算机来说，彩色图像的一个像素点就会有256*256*256=16777216种颜色的变化范围！

        而灰度图像是R、G、B分量相同的一种特殊彩色图像，对计算机来说，一个像素点的变化范围只有0-255这256种。

        彩色图片的信息含量过大，而进行图片识别时，其实只需要使用灰度图像里的信息就足够了，所以图像灰度化的目的就是为了提高运算速度。

        当然，有时图片进行了灰度处理后还是很大，也有可能会采用二值化图像（即像素值只能为0或1）。

---

2.2 所需方法

2.2.1 设置灰度方法

cvtColor() 

 2.2.2 保存图片方法

imwrite()

2.3 代码实现

#导入模块
import cv2 as cv
#读取图片
img = cv.imread("face1.png")
#灰度转换
gray_img = cv.cvtColor(img,cv.COLOR_BGRA2GRAY)
#显示灰度
cv.imshow("greyImg",gray_img)
#保存灰度图片
cv.imwrite('gray_face1.png',gray_img)
#等待
cv.waitKey(0)
#释放内存
cv.destroyAllWindows()

 2.4 效果展示

2.4.1 显示灰度图片 

2.4.2 保存灰度图片

        在关闭显示的灰度图片后，会将该图片进行保存

三、尺寸转换

3.1  尺寸转换方法

resize()

3.2 代码展示 

import cv2 as cv

#读取图片
img = cv.imread("face1.png")
#修改尺寸
img_resized = cv.resize(img,(200,200))
#显示原图
cv.imshow("face01",img)
#显示修改尺寸后的图
cv.imshow("face01_resized",img_resized)
#打印原图和修改图的尺寸
print("原图大小:",img.shape,"\\n修改后大小:",img_resized.shape)
#保存修改大小后的图片
cv.imwrite("resize_face1.png",img_resized)
#等待
cv.waitKey(0)
#释放内存
cv.destroyAllWindows()

3.3 效果展示

3.3.1 显示修改后的图片

3.3.2 保存图片

3.3.3 输出图片的大小

3为彩色图片的通道数。

3.4 按下英文输入法中的m键后退出程序

import cv2 as cv

#读取图片
img = cv.imread("face1.png")
#修改尺寸
img_resized = cv.resize(img,(200,200))
#显示原图
cv.imshow("face01",img)
#显示修改尺寸后的图
cv.imshow("face01_resized",img_resized)
#打印原图和修改图的尺寸
print("原图大小:",img.shape,"\\n修改后大小:",img_resized.shape)
#按下m键时退出程序
while True:
    if ord('m') == cv.waitKey(0):
        break
#释放内存
cv.destroyAllWindows()

四、绘制矩形和圆形框

 4.1 绘制矩形

 cv2.rectangle(img, pt1, pt2, color, thickness=None, lineType=None, shift=None)

参数介绍： 

 python版opencv函数学习笔记-cv.rectangle()全参数理解_风一样的夏天001的博客-CSDN博客

作用：根据给定的左上顶点和右下顶点画矩形 

 参数说明：

• img：指定一张图片，在这张图片的基础上进行绘制；
• pt1： 矩形的一个顶点；
• pt2： 与pt1在对角线上相对的矩形的顶点；
• color：指定边框的颜色，由（B,G,R）组成，当为（255,0，0）时为绿色，可以自由设定；
• thinkness：线条的粗细值，为正值时代表线条的粗细（以像素为单位），为负值时边框实心;
   

4.2 绘制圆形

cv2.circle(img, center, radius, color, thickness=None, lineType=None, shift=None):

作用：根据给定的圆心和半径等画圆

参数说明：

• img：输入的图片data
• center：圆心位置
• radius：圆的半径
• color：圆的颜色
• thickness：圆形轮廓的粗细（如果为正）。负厚度表示要绘制实心圆。

4.3 代码实现

import cv2 as cv
x,y,w,h = 100,100,100,100
#读取图片
img = cv.imread("face1.png")
#绘制矩形
cv.rectangle(img,pt1=(x,y),pt2=(x+w,y+h),color=(0,0,255),thickness=1)
#绘制圆形
cv.circle(img,center=(x,y),radius=100,color=(255,0,0),thickness=2)
#显示图片
cv.imshow("draw_face1",img)

while True:
    if ord('m')==cv.waitKey(0):
        break
cv.destroyAllWindows()

 4.4 效果展示

 
五、人脸检测

5.1 OpenCV自带的分类器

         在下图的路径中，我们可以看到需要xml文件，这些都是OpenCV中自带的分类器，根据文件名我们可以看到有识别眼睛的，身体的，脸的，等等。

        使用cv.CascadeClassifier（参数：分类器所在路径）方法定义一个分类器对象。

     

我的分类器所在位置： 

• OpenCV分类器路径：G:\\conda\\envs\\testOpencv\\Lib\\site-packages\\cv2\\data
• 本次使用的分类器文件名：haarcascade_frontalface_alt2.xml
• 在代码中输入的完整路径（需要把右下划线改为左下划线）： G:/conda/envs/testOpencv/Lib/site-packages/cv2/data/haarcascade_frontalface_alt2.xml

5.2 detectMultiScale方法

opencv人脸检测--detectMultiScale函数_walker lee的博客-CSDN博客_detectmultiscale

detectMultiScale

                    (self,
                     image: Any,
                     scaleFactor: Any = None,
                     minNeighbors: Any = None,
                     flags: Any = None,
                     minSize: Any = None,
                     maxSize: Any = None) 

作用：

        它可以检测出图片中所有的人脸，并将人脸用vector保存各个人脸的坐标、大小，用矩形Rect类表示，函数由分类器对象调用。

参数介绍：

1. image： 待检测图片，一般为灰度图像加快检测速度；
2. scaleFactor：表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1，即每次搜索窗口依次扩大10%;   scale_factor参数可以决定两个不同大小的窗口扫描之间有多大的跳跃，这个参数设置的大，则意味着计算会变快，但如果窗口错过了某个大小的人脸，则可能丢失物体
3. minNeighbors：默认值为3，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),
4. flags：一般使用默认值0；
5. minSize和maxSize用来限制得到的目标区域的最大/最小尺寸。

5.3 代码

import cv2 as cv

def face_detect_methed():
    # 图片灰度化
    grey_img = cv.cvtColor(img,cv.COLOR_BGRA2GRAY)
    # 定义分类器，使用OpenCV自带的分类器
    face_detector = cv.CascadeClassifier('G:/conda/envs/testOpencv/Lib/site-packages/cv2/data/haarcascade_frontalface_alt2.xml')
    # 使用分类器
    face = face_detector.detectMultiScale(grey_img)
    # 在图片中对人脸画矩阵
    for x,y,w,h in face:
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
    cv.imshow('result',img)

#读取图像
img = cv.imread("face1.png")
#调用检测函数
face_detect_methed()


while True:
    if ord('m') == cv.waitKey(0):
        break

cv.destroyAllWindows()

5.4 效果展示 

 此时为没有设定参数，可以看到图片识别人脸出现了失误，把背景中的海浪也识别为了人脸。

在调整了参数后可以看到，人脸识别正确，识别出了一个人脸

六、检测多个人脸 

      此次可以识别多个人脸，与识别一个人脸的代码基本相同，这次换了一个分类器，即OpenCV自带的默认人脸识别分类器，调整了一下detectMultiScale的参数，识别结果较为准确，但是有一个人脸未识别出来。

 6.1 代码实现

import cv2 as cv

def face_detect_methed():
    # 图片灰度化
    grey_img = cv.cvtColor(img,cv.COLOR_BGRA2GRAY)
    # 定义分类器，使用OpenCV自带的分类器
    face_detector = cv.CascadeClassifier('G:/conda/envs/testOpencv/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml')
    # 使用分类器
    face = face_detector.detectMultiScale(grey_img,1.1,5,0,(10,10),(200,200))
    # 在图片中对人脸画矩阵
    for x,y,w,h in face:
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
    cv.imshow('result',img)

#读取图像
img = cv.imread("faceMorePeople.png")
#调用检测函数
face_detect_methed()

while True:
    if ord('m') == cv.waitKey(0):
        break

cv.destroyAllWindows()

6.2 效果展示

 可以看到识别的不算准确，c位的人脸没有被识别出来，我挑了很多次参数也换了分类器还是不行，就这样吧那~

 

七、对视频的检测