python使用opencv进行人脸识别

环境

ubuntu 12.04 LTS
python 2.7.3
opencv 2.3.1-7

安装依赖

sudo apt-get install libopencv-*
sudo apt-get install python-opencv
sudo apt-get install python-numpy

示例代码

#!/usr/bin/env python
#coding=utf-8
import os
from PIL import Image, ImageDraw
import cv

def detect_object(image):
 '''检测图片，获取人脸在图片中的坐标'''
 grayscale = cv.CreateImage((image.width, image.height), 8, 1)
 cv.CvtColor(image, grayscale, cv.CV_BGR2GRAY)

 cascade = cv.Load("/usr/share/opencv/haarcascades/haarcascade_frontalface_alt_tree.xml")
 rect = cv.HaarDetectObjects(grayscale, cascade, cv.CreateMemStorage(), 1.1, 2,
  cv.CV_HAAR_DO_CANNY_PRUNING, (20,20))

 result = []
 for r in rect:
  result.append((r[0][0], r[0][1], r[0][0]+r[0][2], r[0][1]+r[0][3]))

 return result

def process(infile):
 '''在原图上框出头像并且截取每个头像到单独文件夹'''
 image = cv.LoadImage(infile);
 if image:
  faces = detect_object(image)

 im = Image.open(infile)
 path = os.path.abspath(infile)
 save_path = os.path.splitext(path)[0]+"_face"
 try:
  os.mkdir(save_path)
 except:
  pass
 if faces:
  draw = ImageDraw.Draw(im)
  count = 0
  for f in faces:
   count += 1
   draw.rectangle(f, outline=(255, 0, 0))
   a = im.crop(f)
   file_name = os.path.join(save_path,str(count)+".jpg")
  #  print file_name
   a.save(file_name)

  drow_save_path = os.path.join(save_path,"out.jpg")
  im.save(drow_save_path, "JPEG", quality=80)
 else:
  print "Error: cannot detect faces on %s" % infile
if __name__ == "__main__":
 process("./opencv_in.jpg")

转换效果

原图：

转换后

使用感受

对于大部分图像来说，只要是头像是正面的，没有被阻挡，识别基本没问题，准确性还是很高的。

识别效率有点低，有时候一张图片能处理七八秒才能处理完，当然这个和机器配置有关。如果想加速的话可以使用C语言重写，经测试，C语言版的所花时间大约是python的一半

另外，官方提供了几个库可一选择，这里使用的是haarcascade_frontalface_alt_tree.xml，除此之外， /usr/share/opencv/haarcascades/文件夹下还有几个库：

~~/usr/share/opencv/haarcascades>> ll -h
总用量 19M
drwxr-xr-x 2 root root 4.0K 3月 22 17:14 ./
drwxr-xr-x 4 root root 4.0K 3月 22 17:14 ../
-rw-r--r-- 1 root root 1.1M 4月 28 2011 haarcascade_eye_tree_eyeglasses.xml
-rw-r--r-- 1 root root 495K 4月 28 2011 haarcascade_eye.xml
-rw-r--r-- 1 root root 818K 4月 28 2011 haarcascade_frontalface_alt2.xml
-rw-r--r-- 1 root root 3.5M 4月 28 2011 haarcascade_frontalface_alt_tree.xml
-rw-r--r-- 1 root root 899K 4月 28 2011 haarcascade_frontalface_alt.xml
-rw-r--r-- 1 root root 1.2M 4月 28 2011 haarcascade_frontalface_default.xml
-rw-r--r-- 1 root root 622K 4月 28 2011 haarcascade_fullbody.xml
-rw-r--r-- 1 root root 316K 4月 28 2011 haarcascade_lefteye_2splits.xml
-rw-r--r-- 1 root root 520K 4月 28 2011 haarcascade_lowerbody.xml
-rw-r--r-- 1 root root 350K 4月 28 2011 haarcascade_mcs_eyepair_big.xml
-rw-r--r-- 1 root root 401K 4月 28 2011 haarcascade_mcs_eyepair_small.xml
-rw-r--r-- 1 root root 306K 8月 2 2011 haarcascade_mcs_leftear.xml
-rw-r--r-- 1 root root 760K 4月 28 2011 haarcascade_mcs_lefteye.xml
-rw-r--r-- 1 root root 703K 4月 28 2011 haarcascade_mcs_mouth.xml
-rw-r--r-- 1 root root 1.6M 4月 28 2011 haarcascade_mcs_nose.xml
-rw-r--r-- 1 root root 318K 8月 2 2011 haarcascade_mcs_rightear.xml
-rw-r--r-- 1 root root 1.4M 4月 28 2011 haarcascade_mcs_righteye.xml
-rw-r--r-- 1 root root 1.5M 4月 28 2011 haarcascade_mcs_upperbody.xml
-rw-r--r-- 1 root root 1.1M 4月 28 2011 haarcascade_profileface.xml
-rw-r--r-- 1 root root 317K 4月 28 2011 haarcascade_righteye_2splits.xml
-rw-r--r-- 1 root root 1022K 4月 28 2011 haarcascade_upperbody.xml
~/usr/share/opencv/haarcascades>>

根据文件名大家应该能知道是识别什么的。值得一提的是，这里面有四个关于人脸（frontalface）的识别库，根据我的使用体验，default这个xml识别的最多，这就意味着本来不是头像的也识别成头像了。 alt_tree这个库虽然是最大的，但并不意味着这个库是最好的，应该说，用这个库，识别是最严格的，这就意味着，有些头像不能被识别，因为根据他的算法，他认为这不是头像。其余两个和alt_tree差不多。具体识别细节大家可以打开相应的xml看一下。

上面的代码只是识别面部，并不包括头发，如果大家想抓一个完整的头像的话，可以将识别出来的矩形框的上边缘增加一定的比例，比如增加20%头像的高度。

附：C++语言人脸识别代码

网上找的，亲测可用，效率比python高一点。

#include "cv.h"
#include "highgui.h"
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <assert.h>
#include <math.h>
#include <float.h>
#include <limits.h>
#include <time.h>
#include <ctype.h>
#ifdef _EiC
#define WIN32
#endif
static CvMemStorage* storage = 0;
static CvHaarClassifierCascade* cascade = 0;
void detect_and_draw( IplImage* image );
const char* cascade_name =
"haarcascade_frontalface_alt.xml";
/* "haarcascade_profileface.xml";*/
int main( int argc, char** argv )
{
 CvCapture* capture = 0;
 IplImage *frame, *frame_copy = 0;
 int optlen = strlen("--cascade=");
 const char* input_name;
 if( argc > 1 && strncmp( argv[1], "--cascade=", optlen ) == 0 )
 {
  cascade_name = argv[1] + optlen;
  input_name = argc > 2 ? argv[2] : 0;
 }
 else
 {
  cascade_name = "/usr/share/opencv/haarcascades/haarcascade_frontalface_default.xml";
  //opencv装好后haarcascade_frontalface_alt2.xml的路径,
  //也可以把这个文件拷到你的工程文件夹下然后不用写路径名cascade_name= "haarcascade_frontalface_alt2.xml"; 
  //或者cascade_name ="C:\\Program Files\\OpenCV\\data\\haarcascades\\haarcascade_frontalface_alt2.xml"
  input_name = argc > 1 ? argv[1] : 0;
 }
 cascade = (CvHaarClassifierCascade*)cvLoad( cascade_name, 0, 0, 0 );
 if( !cascade )
 {
  fprintf( stderr, "ERROR: Could not load classifier cascade\n" );
  fprintf( stderr,
    "Usage: facedetect --cascade=\"<cascade_path>\" [filename|camera_index]\n" );
  return -1;
 }
 storage = cvCreateMemStorage(0);
 if( !input_name || (isdigit(input_name[0]) && input_name[1] == '\0') )
 capture = cvCaptureFromCAM( !input_name ? 0 : input_name[0] - '0' );
 else
 capture = cvCaptureFromAVI( input_name ); 
 cvNamedWindow( "result", 1 );
 if( capture )
 {
  for(;;)
  {
   if( !cvGrabFrame( capture ))
   break;
   frame = cvRetrieveFrame( capture );
   if( !frame )
   break;
   if( !frame_copy )
   frame_copy = cvCreateImage( cvSize(frame->width,frame->height),
          IPL_DEPTH_8U, frame->nChannels );
   if( frame->origin == IPL_ORIGIN_TL )
   cvCopy( frame, frame_copy, 0 );
   else
   cvFlip( frame, frame_copy, 0 );
   detect_and_draw( frame_copy );
   if( cvWaitKey( 10 ) >= 0 )
   break;
  }
  cvReleaseImage( &frame_copy );
  cvReleaseCapture( &capture );
 }
 else
 {
  const char* filename = input_name ? input_name : (char*)"lena.jpg";
  IplImage* image = cvLoadImage( filename, 1 );
  if( image )
  {
   detect_and_draw( image );
   cvWaitKey(0);
   cvReleaseImage( &image );
  }
  else
  {
   /* assume it is a text file containing the
   list of the image filenames to be processed - one per line */
   FILE* f = fopen( filename, "rt" );
   if( f )
   {
    char buf[1000+1];
    while( fgets( buf, 1000, f ) )
    {
     int len = (int)strlen(buf);
     while( len > 0 && isspace(buf[len-1]) )
     len--;
     buf[len] = '\0';
     image = cvLoadImage( buf, 1 );
     if( image )
     {
      detect_and_draw( image );
      cvWaitKey(0);
      cvReleaseImage( &image );
     }
    }
    fclose(f);
   }
  }
 }
 // getchar();
 cvDestroyWindow("result");
 return 0;
}
void detect_and_draw( IplImage* img )
{
 static CvScalar colors[] = 
 {
  {{0,0,255}},
  {{0,128,255}},
  {{0,255,255}},
  {{0,255,0}},
  {{255,128,0}},
  {{255,255,0}},
  {{255,0,0}},
  {{255,0,255}}
 };
 double scale = 1.3;
 IplImage* gray = cvCreateImage( cvSize(img->width,img->height), 8, 1 );
 IplImage* small_img = cvCreateImage( cvSize( cvRound (img->width/scale),
            cvRound (img->height/scale)),
          8, 1 );
 int i;
 cvCvtColor( img, gray, CV_BGR2GRAY );
 cvResize( gray, small_img, CV_INTER_LINEAR );
 cvEqualizeHist( small_img, small_img );
 cvClearMemStorage( storage );
 if( cascade )
 {
  double t = (double)cvGetTickCount();
  CvSeq* faces = cvHaarDetectObjects( small_img, cascade, storage,
           1.1, 2, 0/*CV_HAAR_DO_CANNY_PRUNING*/,
           cvSize(30, 30) );
  t = (double)cvGetTickCount() - t;
  printf( "detection time = %gms\n", t/((double)cvGetTickFrequency()*1000.) );
  for( i = 0; i < (faces ? faces->total : 0); i++ )
  {
   CvRect* r = (CvRect*)cvGetSeqElem( faces, i );
   CvPoint center;
   int radius;
   center.x = cvRound((r->x + r->width*0.5)*scale);
   center.y = cvRound((r->y + r->height*0.5)*scale);
   radius = cvRound((r->width + r->height)*0.25*scale);
   cvCircle( img, center, radius, colors[i%8], 3, 8, 0 );
  }
 }
 cvShowImage( "result", img );
 cvReleaseImage( &gray );
 cvReleaseImage( &small_img );
}

以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，同时也希望多多支持！

# opencv # 人脸识别 # opencv人脸识别算法 # opencv人脸识别相似度 # python实现读取并显示图片的两种方法 # Python实现弹球小游戏的示例代码 # 用python实现弹球小游戏 # 用Python写一个简易版弹球游戏 # python实现简单反弹球游戏 # python 实现弹球游戏的示例代码 # Python实现弹球小游戏 # 使用python和pygame制作挡板弹球游戏 # python pygame实现挡板弹球游戏 # python运用pygame库实现双人弹球小游戏 # python3实现弹弹球小游戏 # Python基于Tkinter模块实现的弹球小游戏 # python编写弹球游戏的实现代码 # Python实现的弹球小游戏示例 # Python弹球小游戏的项目代码 # 的是 # 几个 # 这就 # 最多 # 很高 # 这不是 # 重写 # 可以使用 # 看一下 # 应该说 # 一提 # 这里面 # 于人 # 装好 # 图上 # 高一点 # 机器配置 # 边缘 # 他认为 # 只要是

返回目录在线咨询

上一篇：广州建站哪家好：企业建站需要注意哪些关键因素？
下一篇：如何利用ShopEx内置营销工具提升顾客转化率？

您的项目需求

*请认真填写需求信息，我们会在24小时内与您取得联系。

全网整合营销服务商

python使用opencv进行人脸识别

您的项目需求