如何利用opencv实现人脸识别功能

本篇内容主要讲解"如何利用opencv实现人脸识别功能"，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习"如何利用opencv实现人脸识别功能"吧!

目录

• 一、环境

• 二、使用Haar级联进行人脸检测

• 三、Haar级联结合摄像头

• 四、使用SSD的人脸检测

• 五、 SSD结合摄像头人脸检测

  
  

一、环境

pip install opencv-python

python3.9

pycharm2020

人狠话不多，直接上代码，注释在代码里面，不说废话。

二、使用Haar级联进行人脸检测

测试案例：

代码：（记得自己到下载地址下载对应的xml）

# coding=gbk"""作者：川川@时间  : 2021/9/5 16:38https://github.com/opencv/opencv/tree/master/data/haarcascades"""import cv2# 待检测的图片路径imagepath="2.jpg"image = cv2.imread(imagepath)#读取图片gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)#图像转换为灰度图：face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')#加载使用人脸识别器faces = face_cascade.detectMultiScale(gray)#检测图像中的所有面孔#为每个人脸绘制一个蓝色矩形for x, y, width, height in faces:        # 这里的color是 蓝 黄 红，与rgb相反，thickness设置宽度    cv2.rectangle(image, (x, y), (x + width, y + height), color=(255, 0, 0), thickness=2)# 最后，让我们保存新图像cv2.imwrite("beauty_detected.jpg", image)

效果：

效果可以看出这个效果并不是很好。

三、Haar级联结合摄像头

代码：（还是用的前面得xml）

# coding=gbk"""摄像头人脸识别作者：川川@时间  : 2021/9/5 17:15Haar级联结合摄像头"""import cv2#创建新的cam对象cap = cv2.VideoCapture(0,cv2.CAP_DSHOW)#初始化人脸识别器（默认的人脸haar级联）face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')while True:    # 从摄像头读取图像    _, image = cap.read()    # 转换为灰度    image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)    # 检测图像中的所有人脸    faces = face_cascade.detectMultiScale(image_gray, 1.3, 5)    # 为每个人脸绘制一个蓝色矩形    for x, y, width, height in faces:        cv2.rectangle(image, (x, y), (x + width, y + height), color=(255, 0, 0), thickness=2)    cv2.imshow("image", image)    if cv2.waitKey(1) == ord("q"):        breakcap.release()cv2.destroyAllWindows()

效果：

四、使用SSD的人脸检测

代码：

# coding=gbk"""图片人脸识别作者：川川@时间  : 2021/9/5 17:22"""import cv2import numpy as np# 下载链接：https://raw.githubusercontent.com/opencv/opencv/master/samples/dnn/face_detector/deploy.prototxtprototxt_path = r"./deploy.prototxt.txt"# 下载链接：https://raw.githubusercontent.com/opencv/opencv_3rdparty/dnn_samples_face_detector_20180205_fp16/res10_300x300_ssd_iter_140000_fp16.caffemodelmodel_path =r"./res10_300x300_ssd_iter_140000_fp16.caffemodel"model = cv2.dnn.readNetFromCaffe(prototxt_path, model_path)image = cv2.imread("2.jpg")h, w = image.shape[:2]blob = cv2.dnn.blobFromImage(image, 1.0, (300, 300),(104.0, 177.0, 123.0))model.setInput(blob)output = np.squeeze(model.forward())font_scale = 1.0for i in range(0, output.shape[0]):    confidence = output[i, 2]    if confidence > 0.5:        box = output[i, 3:7] * np.array([w, h, w, h])        start_x, start_y, end_x, end_y = box.astype(np.int)        cv2.rectangle(image, (start_x, start_y), (end_x, end_y), color=(255, 0, 0), thickness=2)        cv2.putText(image, f"{confidence*100:.2f}%", (start_x, start_y-5), cv2.FONT_HERSHEY_SIMPLEX, font_scale, (255, 0, 0), 2)cv2.imshow("image", image)cv2.waitKey(0)cv2.imwrite("beauty_detected.jpg", image)

效果：

我们可以看到现在的识别效果非常好了。

五、 SSD结合摄像头人脸检测

代码：

# coding=gbk"""作者：川川@时间  : 2021/9/5 17:26SSD结合摄像头的人脸检测"""import cv2import numpy as npprototxt_path = "deploy.prototxt.txt"model_path = "res10_300x300_ssd_iter_140000_fp16.caffemodel"model = cv2.dnn.readNetFromCaffe(prototxt_path, model_path)cap = cv2.VideoCapture(0)while True:    _, image = cap.read()    h, w = image.shape[:2]    blob = cv2.dnn.blobFromImage(image, 1.0, (300, 300), (104.0, 177.0, 123.0))    model.setInput(blob)    output = np.squeeze(model.forward())    font_scale = 1.0    for i in range(0, output.shape[0]):        confidence = output[i, 2]        if confidence > 0.5:            box = output[i, 3:7] * np.array([w, h, w, h])            start_x, start_y, end_x, end_y = box.astype(np.int)            cv2.rectangle(image, (start_x, start_y), (end_x, end_y), color=(255, 0, 0), thickness=2)            cv2.putText(image, f"{confidence*100:.2f}%", (start_x, start_y-5), cv2.FONT_HERSHEY_SIMPLEX, font_scale, (255, 0, 0), 2)    cv2.imshow("image", image)    if cv2.waitKey(1) == ord("q"):        breakcv2.destroyAllWindows()cap.release()

效果：

可以发现SSD效果特别好！

到此，相信大家对"如何利用opencv实现人脸识别功能"有了更深的了解，不妨来实际操作一番吧！这里是网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！