OpenCv 之(图片人脸识别)和 (摄像头读入)

首先给大家推荐一下我老师大神的人工智能教学网站。教学不仅零基础,通俗易懂,而且非常风趣幽默,还时不时有内涵黄段子!点这里可以跳转到网站

##先来张人脸识别效果图:

这里写图片描述

##1、概述

人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术,通常也叫做人像识别、面部识别。

##2、人脸识别步骤

1    人脸图像采集及检测
2    人脸图像预处理
3    人脸图像特征提取以及匹配与识别

##3、 人脸识别的方法

在OpenCV中主要使用了两种特征(即两种方法)进行人脸检测,Haar特征和LBP特征。使用已经训练好的XML格式的分类器进行人脸检测。在OpenCV的安装目录下的sources文件夹里的data文件夹里可以看到下图所示的内容(opencv\sources\data\haarcascades ):
这里写图片描述
文件夹的名字“haarcascades”、“hogcascades”和“lbpcascades”分别表示通过“haar”、“hog”和“lbp”三种不同的特征而训练出的分类器:"haar"特征主要用于人脸检测,“hog”特征主要用于行人检测,“lbp”特征主要用于人脸识别,“eye”特征主要用于眼睛的检测识别。

实现人脸检测主要依赖于detectMultiScale()函数,下面简单说一下函数参数的含义,先看函数原型:
CV_WRAP virtual void detectMultiScale( const Mat& image,  
                                   CV_OUT vector<Rect>& objects,  
                                   double scaleFactor=1.1,  
                                   int minNeighbors=3, int flags=0,  
                                   Size minSize=Size(),  
                                   Size maxSize=Size() );  
                          
各参数含义:
const Mat& image: 需要被检测的图像(灰度图)
vector<Rect>& objects: 保存被检测出的人脸位置坐标序列
double scaleFactor: 每次图片缩放的比例
int minNeighbors: 每一个人脸至少要检测到多少次才算是真的人脸
int flags: 决定是缩放分类器来检测,还是缩放图像
Size(): 表示人脸的最大最小尺寸

##4、源代码分析

####(1)检测图片中的人脸

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/calib3d/calib3d.hpp>

using namespace std;
using namespace cv;

int main()
{
	Mat image, image_gray;      //定义两个Mat变量,用于存储每一帧的图像
	
	image = imread("F://1.png");
	imshow("原图", image);

	cvtColor(image, image_gray, CV_BGR2GRAY);//转为灰度图
	equalizeHist(image_gray, image_gray);//直方图均衡化,增加对比度方便处理

	CascadeClassifier eye_Classifier;  //载入分类器
	CascadeClassifier face_cascade;    //载入分类器

	//加载分类训练器,OpenCv官方文档提供的xml文档,可以直接调用
	//xml文档路径  opencv\sources\data\haarcascades 
	if (!eye_Classifier.load("F:\\haarcascade_eye.xml"))  //需要将xml文档放在自己指定的路径下
	{  
		cout << "Load haarcascade_eye.xml failed!" << endl;
		return 0;
	}

	if (!face_cascade.load("F:\\haarcascade_frontalface_alt.xml"))
	{
		cout << "Load haarcascade_frontalface_alt failed!" << endl;
		return 0;
	}

	//vector 是个类模板 需要提供明确的模板实参 vector<Rect>则是个确定的类 模板的实例化
	vector<Rect> eyeRect;
	vector<Rect> faceRect;

	//检测关于眼睛部位位置
	eye_Classifier.detectMultiScale(image_gray, eyeRect, 1.1, 2, 0 | CV_HAAR_SCALE_IMAGE, Size(30, 30));
	for (size_t eyeIdx = 0; eyeIdx < eyeRect.size(); eyeIdx++)
	{	
		rectangle(image, eyeRect[eyeIdx], Scalar(0, 0, 255));   //用矩形画出检测到的位置
	}

	//检测关于脸部位置
	face_cascade.detectMultiScale(image_gray, faceRect, 1.1, 2, 0 | CV_HAAR_SCALE_IMAGE, Size(30, 30));
	for (size_t i = 0; i < faceRect.size(); i++)
	{	
		rectangle(image, faceRect[i], Scalar(0, 0, 255));      //用矩形画出检测到的位置
	}

	imshow("人脸识别图", image);         //显示当前帧
	waitKey(0);
	
}
	
return 0;
}

####(2)检测摄像头中的人脸

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/calib3d/calib3d.hpp>

using namespace std;
using namespace cv;

int main()
{
	Mat image, image_gray;      //定义两个Mat变量,用于存储每一帧的图像
	VideoCapture capture(0);    //从摄像头读入视频

	while (1)                  //循环显示每一帧
	{
		capture >> image;     //读取当前帧

		//image = imread("F://1.png");
		//imshow("原图", image);

		cvtColor(image, image_gray, CV_BGR2GRAY);//转为灰度图
		equalizeHist(image_gray, image_gray);//直方图均衡化,增加对比度方便处理

		CascadeClassifier eye_Classifier;  //载入分类器
		CascadeClassifier face_cascade;    //载入分类器

		//加载分类训练器,OpenCv官方文档提供的xml文档,可以直接调用
		//xml文档路径  opencv\sources\data\haarcascades 
		if (!eye_Classifier.load("F:\\haarcascade_eye.xml"))  //需要将xml文档放在自己指定的路径下
		{  
			cout << "Load haarcascade_eye.xml failed!" << endl;
			return 0;
		}

		if (!face_cascade.load("F:\\haarcascade_frontalface_alt.xml"))
		{
			cout << "Load haarcascade_frontalface_alt failed!" << endl;
			return 0;
		}

		//vector 是个类模板 需要提供明确的模板实参 vector<Rect>则是个确定的类 模板的实例化
		vector<Rect> eyeRect;
		vector<Rect> faceRect;

		//检测关于眼睛部位位置
		eye_Classifier.detectMultiScale(image_gray, eyeRect, 1.1, 2, 0 | CV_HAAR_SCALE_IMAGE, Size(30, 30));//检测
		for (size_t eyeIdx = 0; eyeIdx < eyeRect.size(); eyeIdx++)
		{	
			rectangle(image, eyeRect[eyeIdx], Scalar(0, 0, 255));   //用矩形画出检测到的位置
		}

		//检测关于脸部位置
		face_cascade.detectMultiScale(image_gray, faceRect, 1.1, 2, 0 | CV_HAAR_SCALE_IMAGE, Size(30, 30));//检测
		for (size_t i = 0; i < faceRect.size(); i++)
		{	
			rectangle(image, faceRect[i], Scalar(0, 0, 255));      //用矩形画出检测到的位置
		}
	
		imshow("人脸识别图", image);         //显示当前帧
		char c = waitKey(30);         //延时30ms,即每秒播放33帧图像
		if (c == 27)  break;	
	}
		
	return 0;
}

这里写图片描述

效果图:

人脸识别源代码下载链接

GitHub源代码下载链接

点这里可以跳转到人工智能网站

发表评论