opencv实现人脸识别 手把手教你利用opencv实现人脸识别功能（附源码+文档）
川川菜鸟 人气:0想了解手把手教你利用opencv实现人脸识别功能（附源码+文档）的相关内容吗，川川菜鸟在本文为您仔细讲解opencv实现人脸识别的相关知识和一些Code实例，欢迎阅读和指正，我们先划重点：opencv,人脸检测,opencv实现人脸识别,python人脸检测，下面大家一起来学习吧。
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 16:38
https://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 17:15
Haar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"):
break
cap.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 cv2
import numpy as np
# 下载链接：https://raw.githubusercontent.com/opencv/opencv/master/samples/dnn/face_detector/deploy.prototxt
prototxt_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.caffemodel
model_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 = 1.0
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)
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 17:26
SSD结合摄像头的人脸检测
"""
import cv2
import numpy as np
prototxt_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"):
break
cv2.destroyAllWindows()
cap.release()
效果：
可以发现SSD效果特别好！
六、结语
如果你想更深了解这些原理，去读一下opencv文档吧，中文官方文档如下：
https://woshicver.com/
在很多人调用xm会遇到一些坑，我在这里说一下，读取xml的时候用相对路径./这种，参考我的，建议不要路径中出现中文，其它没啥了。
加载全部内容