opencv人脸识别

利用opencv，及自带的人脸识别训练结果（安装包site_package下cv2包内data下的haarcascade_frontalface_default.xml） 这里的opencv可以使用： pip install opencv-python 安装！MAC可能需要brew安装再关联包。 我们需要准备： 待识别的图片 准备haarcascade_frontalface_default.xml文件 我们计划识别lenna的图片: import cv2 if __name__ == "__main__" : # 文件地址 file = r './files/lenna.jpeg' # 人脸识别训练结果文件 cascade = r './files/haarcascade_frontalface_default.xml' # 读取彩色图片，用以识别后的结果绘图 img = cv2 . imread ( file ) # 将文件转化为灰度模式 gray = cv2 . cvtColor ( img , cv2 . COLOR_BGR2GRAY ) # 创建集联分类器 face_cascade = cv2 . CascadeClassifier ( cascade ) # 开始扫描人脸, 参数可调，描述后附 faces = face_cascade .

文章目录 1、opencv识别单张人脸 1.1、读取图片 1.2、识别人脸 1.2.1、下载人脸识别算法 1.2.2、人脸检测 2、opencv识别多张人脸 2.1、导入计算机视觉库opencv和人脸识别算法 2.2、读入并展示图片 2.3、图片灰色处理 2.4、检测人脸 2.5、画出人脸的范围 2.6、调节显示窗口大小 2.7、识别图像 1、opencv识别单张人脸 1.1、读取图片 读取展示图片通常分为三个部分： 1、读入图片 2、展示图片 3、完成后要释放资源 image = cv2 . imread ( './image.jpg' ) cv2 . namedWindow ( "camera" , 0 ) #设置图片手动调节大小 cv2 . imshow ( "camera" , image ) cv2 . waitKey ( 0 ) #设置任意键退出程序 cv2 . destroyAllWindows ( ) cv2.namedWindow("camera", 0) 用来手动调节图片窗口的大小 1.2、识别人脸 1.2.1、下载人脸识别算法 自己写人脸识别的算法是不可能的，但我们可以直接到github上下载大神写好的人脸识别算法。 人脸识别算法链接： https://github.com/opencv/opencv/blob/master/data/haarcascades

OpenCV人脸采集训练识别系统实现 环境准备 anaconda3下载点这里 项目地址 安装Anaconda之后创建新环境 conda create -n opencvface python=3.6 等待安装完毕后 激活环境 activate opencvface 接下来安装opencv 先进入到项目中 根据上面项目文件在硬盘的路径切换到对应的目录下 cd face_recognition_py cd modules 安装opencv dlib pip install opencv_python-3.4.1+contrib-cp36-cp36m-win_amd64.whl pip install dlib-19.8.1-cp36-cp36m-win_amd64.whl 跳出来安装其他依赖库 cd .. pip install -r requirements.txt 程序运行 人脸采集系统（现场采集人脸数据100帧以上） python dataRecord.py 开启摄像头 开启人脸检测 初始化数据库 增加用户数据（填入对应的用户内容） 开始采集人脸 选择比较好的角度以及光线来采集当前帧（至少100帧以上） 同步到数据库中 关闭 数据管理系统（采集之后启动这个训练数据） python dataManage.py 初始化数据库 开始训练 训练结束之后 关闭程序进入下一步 识别

# -*- coding: utf-8 -*- """ Created on Fri Nov 22 21:35:12 2019 @author: Administrator """ import cv2 filepath = "img/3.jpg" img = cv2.imread(filepath) # 读取图片 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转换灰色 cv2.imshow("image1", gray) # 显示图像 # OpenCV人脸识别分类器 classifier = cv2.CascadeClassifier( r"D:\BaiduNetdiskDownload\Opencv\haarcascade_frontalface_default.xml" # "C:\Python36\Lib\site-packages\opencv-master\data\haarcascades\haarcascade_frontalface_default.xml" ) color = (0, 255, 0) # 定义绘制颜色 # 调用识别人脸 faceRects = classifier.detectMultiScale( gray, scaleFactor=1.2, minNeighbors=3, minSize=(32

机器学习 机器学习的目的是把数据转换成信息。 机器学习通过从数据里提取规则或模式来把数据转成信息。 人脸识别 人脸识别通过 级联分类器 对特征的分级筛选来确定是否是人脸。 每个节点的正确识别率很高，但正确拒绝率很低。 任一节点判断没有人脸特征则结束运算，宣布不是人脸。 全部节点通过，则宣布是人脸。 工业上，常用人脸识别技术来识别物体。 对图片进行识别 #include " opencv2/core/core.hpp " #include " opencv2/objdetect/objdetect.hpp " #include " opencv2/highgui/highgui.hpp " #include " opencv2/imgproc/imgproc.hpp " #include <iostream> #include <stdio.h> using namespace std; using namespace cv; string face_cascade_name = " haarcascade_frontalface_alt.xml " ; CascadeClassifier face_cascade; string window_name = " 人脸识别 " ; void detectAndDisplay( Mat frame ); int main( int

OpenCV基础 OpenCV是一个开源的计算机视觉库。提供了很多图像处理常用的工具 批注：本文所有图片数据都在我的 GitHub仓库 读取图片并显示 import numpy as np import cv2 as cv original = cv.imread('../machine_learning_date/forest.jpg') cv.imshow('Original', original) 显示图片某个颜色通道的图像 blue = np.zeros_like(original) blue[:, :, 0] = original[:, :, 0] # 0 - 蓝色通道 cv.imshow('Blue', blue) green = np.zeros_like(original) green[:, :, 1] = original[:, :, 1] # 1 - 绿色通道 cv.imshow('Green', green) red = np.zeros_like(original) red[:, :, 2] = original[:, :, 2] # 2 - 红色通道 cv.imshow('Red', red) 图像剪裁 h, w = original.shape[:2] # (397, 600) l, t = int(w / 4), int(h / 4) # 左上 r,

https://www.pyimagesearch.com/2014/11/10/histogram-oriented-gradients-object-detection/ https://yongyuan.name/blog/pedestrian-detection-opencv.html 你知道OpenCV里面已经内置的行人检测方法吗？在OpenCV里面，有一个预先训练好了的HOG+线性SVM模型，能够对图像和视频中的行人进行检测。如果你还不熟悉方向梯度直方图HOG和线性SVM方法，我建议你阅读 方向梯度直方图和物体检测 这篇文章，在这篇文章中，我对该框架分了6步进行讨论。 来源： https://www.cnblogs.com/kekeoutlook/p/11802704.html

import cv2 filepath = "xxxx" img = cv2.imread(filepath) # 读取图片 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转换灰色 # OpenCV人脸识别分类器 classifier = cv2.CascadeClassifier( "C:\Python36\Lib\site-packages\opencv-master\data\haarcascades\haarcascade_frontalface_default.xml" ) color = (0, 255, 0) # 定义绘制颜色 # 调用识别人脸 faceRects = classifier.detectMultiScale( gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32)) if len(faceRects): # 大于0则检测到人脸 for faceRect in faceRects: # 单独框出每一张人脸 x, y, w, h = faceRect # 框出人脸 cv2.rectangle(img, (x, y), (x + h, y + w), color, 2) # 左眼 cv2.circle(img, (x + w // 4, y + h //

基础知识 python知识：　　import os,shutil　　shutil.rmtree("C:\\Users\\yangwj\\Desktop\\test") #删除目录　　os.remove("C:\\Users\\yangwj\\Desktop\\replay_pid28076.log") # 删除文件　　os.path.isfile() # 判断是否为文件　　os.listdir() # 列出路径下的目录 1、从摄像头获取人脸图片 import dlib # 人脸处理的库 Dlib import numpy as np # 数据处理的库 Numpy import cv2 # 图像处理的库 OpenCv import os # 读写文件 import shutil # 读写文件 # Dlib 正向人脸检测器 / frontal face detector detector = dlib.get_frontal_face_detector() # Dlib 68 点特征预测器 / 68 points features predictor predictor = dlib.shape_predictor('data/data_dlib/shape_predictor_68_face_landmarks.dat') # OpenCv 调用摄像头 use camera cap

随着人工智能的日益火热，计算机视觉领域发展迅速，尤其在人脸识别或物体检测方向更为广泛，今天就为大家带来最基础的人脸识别基础，从一个个函数开始走进这个奥妙的世界。 首先看一下本实验需要的数据集，为了简便我们只进行两个人的识别，选取了beyond乐队的主唱黄家驹和贝斯手黄家强，这哥俩长得有几分神似，这也是对人脸识别的一个考验： 两个文件夹，一个为训练数据集，一个为测试数据集，训练数据集中有两个文件夹0和1，之前看一些资料有说这里要遵循“slabel”命名规则，但后面处理起来比较麻烦，因为目前opencv接受的人脸识别标签为整数，那我们就直接用整数命名吧： 为了方便，我们每个人用20张照片来训练，0代表黄家驹，1代表黄家强： 开始啦： 检测人脸。这应该是最基本的，给我们一张图片，我们要先检测出人脸的区域，然后才能 进行操作，opencv已经内置了很多分类检测器，我们这次用haar： def detect_face(img): #将测试图像转换为灰度图像，因为opencv人脸检测器需要灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #加载OpenCV人脸检测分类器Haar face_cascade = cv2.CascadeClassifier(’./haarcascade_frontalface_default.xml’)