行业报告 AI展会 数据标注 标注供求
数据标注数据集
主页 > 机器视觉 > 正文

50行代码运用Python+OpenCV来实现人脸追踪

  首先先感谢朋友们的关注。当然我更希望认识与计算机相关的领域的朋友咱们一起探讨交流。重点说一下,我是真人,不是那些扒文章的自媒体组织,大家可以相互交流的!

50行代码运用Python+OpenCV实现人脸追踪

本篇文章我们来讲一下关于AI相关的人脸追踪,人脸识别相关的一些知识。当然本篇教程为(上)部分,讲一下利用python+opencv来实现人脸识别与追踪,下部分,用python来通过指纹对比实现人脸验证、人脸解锁(大家感兴趣的可以提前关注哦)。

这两节课呢,代码量都不是很多,鄙人尽量多注释点,便于大家理解。那我们就不多啰嗦废话了,直接上干货!

50行代码运用Python+OpenCV实现人脸追踪

OpenCV:

opencv目前来讲是十分流行的视觉库,而且可以支持多语言。说到opencv就不得不说它的cascades分类器。

如果我们要判断一张图片是不是有一张脸,早期方式是通过成千上万的分类器去从头匹配到尾,这样看并没有什么什么毛病,但判断的图片多了呢?那可能需要猴年马月。opencv的cascades呢,就把这些用来判断人脸特征的容器划分成多块层层匹配,到一层不匹配就被丢弃。

这好比一群人去公司面试,公司第一个要求是只要男人,那一批女人就走了,公司说只要本科,一批专科走了,公司说要两年工作经验的,又会走一批,直到最后。这样的工作量比每个人面试不管男女都过一遍流程轻松的多。

环境拓扑:

操作系统:windows7

python版本:2.7.14

opencv版本:3.x

环境配置:

1.安装python(额...这个当我没说)

2.安装Opencv

这个从官网下载就OK啦:https://opencv.org/

印象中我记得当初我下载的是3.3版本,但现在好像Github最近访问不了了,我不知道是不是我的Hosts的问题还是怎么着,大家如果能访问可以给我留个言,我修复下hosts文件。如果大家也访问不了,可以留言或者私信,我把以前下载的opencv打包发给大家。

50行代码运用Python+OpenCV实现人脸追踪

下载完之后直接解压就行,推荐解压到跟你的python安装的父路径。

3.使用pip安装numpy

打开cmd输入:


  1. pip install numpy 

进行安装,安装完毕后会给提示。

50行代码运用Python+OpenCV实现人脸追踪

4.找到你的opencv安装路径(比如我的是D盘)

复制D:opencvopencv3.xuildpython.7\x64路径下的cv2.py

50行代码运用Python+OpenCV实现人脸追踪

注意:我的windows版本为64位所以我选择的是X64,如果你的是32位的话你需要选择X86文件夹下的cv2.pyd

复制完之后,粘贴到你的python安装路径下的Lib/site-packages这个文件夹下。

完成上面这些就基本OK啦,我们在写代码之前先来测试一下,环境是否配置成功。

在CMD命令行下运行python:


  1. import numpy  
  2. import cv2 

如果没有报错,说明安装完成。

50行代码运用Python+OpenCV实现人脸追踪

实现原理:

1.调用计算机摄像头


  1. cv2.Videocamture(0) 

2.将摄像头数据按帧来取(相当于给每一帧图片的人脸加框框)


  1. cam.red() 

3.将每一帧摄像头记录的数据带入opencv让classifier去判断人脸


  1. detectMultiScale() 

4.如果存在人脸给人脸标记画框


  1. cv2.rectangle() 

5.输出画框后的帧动画


  1. cv2.imshow('My Camera',frame) 

代码实现:

第一步定义一个识别函数:

先放图片,这个地方比较重要,我在下面会详细的说一下。

50行代码运用Python+OpenCV实现人脸追踪

(代码上部分)

6-7行代码说明:

首先创建classifier,为什么要弄这个呢?

引用的haarcascade开头的文件是opencv里面关于人脸级联分类器,你在opencv文件夹下的sourcesdatahaarcascades可以看到:

50行代码运用Python+OpenCV实现人脸追踪

说明功能:

人脸检测器(默认):haarcascade_frontalface_default.xml

人脸检测器(快速Harr):haarcascade_frontalface_alt2.xml

人脸检测器(侧视):haarcascade_profileface.xml

眼部检测器(左眼):haarcascade_lefteye_2splits.xml

眼部检测器(右眼):haarcascade_righteye_2splits.xml

嘴部检测器:haarcascade_mcs_mouth.xml

鼻子检测器:haarcascade_mcs_nose.xml

身体检测器:haarcascade_fullbody.xml

人脸检测器(快速LBP):lbpcascade_frontalface.xml

1:haarcascade_frontalface_alt.xml

Stump-based 20x20 gentle adaboost frontal face detector.

2:haarcascade_frontalface_alt2.xml

Tree-based 20x20 gentle adaboost frontal face detector.

3:haarcascade_frontalface_alt_tree.xml

Stump-based 20x20 gentle adaboost frontal face detector.This detector uses tree of stage classifiers instead of a cascade

4:haarcascade_frontalface_default.xml

Stump-based 24x24 discrete(?) adaboost frontal face detector.

以上这四个鄙人都测试过,haarcascade_frontalface_alt.xml这个效果是最好的,其它的大家可以单个测试。

设定灰度:

灰度的设定是为了增强面部轮廓的对比度,这是增加精度必不可少的。

核心代码解剖:

DetectMultiScale 函数是一个检测物体的通用函数,我们介绍一下:

50行代码运用Python+OpenCV实现人脸追踪

gray:这是转换成灰度后的图片

scaleFactor:补偿参数,一般设置值为1.1-1.5比较好,效果大家自己改着看

minNeighbors:对当前其周围有多少物体进行定义

minSize:设定窗口大小

flags:略抽象,选择默认或者上图即可

画方框:

定义xywh利用for循环读取faces变量里面的坐标,然后通过rectangle()函数进行画方框。

代码下部分:

50行代码运用Python+OpenCV实现人脸追踪

(代码下部分)

OK,写完代码之后,我们把上部分代码跟下部分代码拼凑起来,运行下试一下:

50行代码运用Python+OpenCV实现人脸追踪

大家凑合看吧,我笔记本cam有点渣,不过随着人的晃动,都可以完美的识别出来,由于没法上视频,大家就自行测试吧。

微信公众号

声明:本站部分作品是由网友自主投稿和发布、编辑整理上传,对此类作品本站仅提供交流平台,转载的目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,不为其版权负责。如果您发现网站上有侵犯您的知识产权的作品,请与我们取得联系,我们会及时修改或删除。

网友评论:

发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片
SEM推广服务

Copyright©2005-2026 Sykv.com 可思数据 版权所有    京ICP备14056871号

关于我们   免责声明   广告合作   版权声明   联系我们   原创投稿   网站地图  

可思数据 数据标注行业联盟

扫码入群
扫码关注

微信公众号

返回顶部