python使用opencv进行人脸识别

时间:2022-09-29 23:41:21

环境

ubuntu 12.04 LTS
python 2.7.3
opencv 2.3.1-7

安装依赖

?
1
2
3
sudo apt-get install libopencv-*
sudo apt-get install python-opencv
sudo apt-get install python-numpy

示例代码

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
#!/usr/bin/env python
#coding=utf-8
import os
from PIL import Image, ImageDraw
import cv
 
def detect_object(image):
 '''检测图片,获取人脸在图片中的坐标'''
 grayscale = cv.CreateImage((image.width, image.height), 8, 1)
 cv.CvtColor(image, grayscale, cv.CV_BGR2GRAY)
 
 cascade = cv.Load("/usr/share/opencv/haarcascades/haarcascade_frontalface_alt_tree.xml")
 rect = cv.HaarDetectObjects(grayscale, cascade, cv.CreateMemStorage(), 1.1, 2,
  cv.CV_HAAR_DO_CANNY_PRUNING, (20,20))
 
 result = []
 for r in rect:
  result.append((r[0][0], r[0][1], r[0][0]+r[0][2], r[0][1]+r[0][3]))
 
 return result
 
def process(infile):
 '''在原图上框出头像并且截取每个头像到单独文件夹'''
 image = cv.LoadImage(infile);
 if image:
  faces = detect_object(image)
 
 im = Image.open(infile)
 path = os.path.abspath(infile)
 save_path = os.path.splitext(path)[0]+"_face"
 try:
  os.mkdir(save_path)
 except:
  pass
 if faces:
  draw = ImageDraw.Draw(im)
  count = 0
  for f in faces:
   count += 1
   draw.rectangle(f, outline=(255, 0, 0))
   a = im.crop(f)
   file_name = os.path.join(save_path,str(count)+".jpg")
  #  print file_name
   a.save(file_name)
 
  drow_save_path = os.path.join(save_path,"out.jpg")
  im.save(drow_save_path, "JPEG", quality=80)
 else:
  print "Error: cannot detect faces on %s" % infile
if __name__ == "__main__":
 process("./opencv_in.jpg")

转换效果

原图:

python使用opencv进行人脸识别

转换后

python使用opencv进行人脸识别

使用感受

对于大部分图像来说,只要是头像是正面的,没有被阻挡,识别基本没问题,准确性还是很高的。

识别效率有点低,有时候一张图片能处理七八秒才能处理完,当然这个和机器配置有关。 如果想加速的话可以使用C语言重写,经测试,C语言版的所花时间大约是python的一半

另外,官方提供了几个库可一选择,这里使用的是haarcascade_frontalface_alt_tree.xml, 除此之外,  /usr/share/opencv/haarcascades/文件夹下还有几个库:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
~~/usr/share/opencv/haarcascades>> ll -h
总用量 19M
drwxr-xr-x 2 root root 4.0K 322 17:14 ./
drwxr-xr-x 4 root root 4.0K 322 17:14 ../
-rw-r--r-- 1 root root 1.1M 428 2011 haarcascade_eye_tree_eyeglasses.xml
-rw-r--r-- 1 root root 495K 428 2011 haarcascade_eye.xml
-rw-r--r-- 1 root root 818K 428 2011 haarcascade_frontalface_alt2.xml
-rw-r--r-- 1 root root 3.5M 428 2011 haarcascade_frontalface_alt_tree.xml
-rw-r--r-- 1 root root 899K 428 2011 haarcascade_frontalface_alt.xml
-rw-r--r-- 1 root root 1.2M 428 2011 haarcascade_frontalface_default.xml
-rw-r--r-- 1 root root 622K 428 2011 haarcascade_fullbody.xml
-rw-r--r-- 1 root root 316K 428 2011 haarcascade_lefteye_2splits.xml
-rw-r--r-- 1 root root 520K 428 2011 haarcascade_lowerbody.xml
-rw-r--r-- 1 root root 350K 428 2011 haarcascade_mcs_eyepair_big.xml
-rw-r--r-- 1 root root 401K 428 2011 haarcascade_mcs_eyepair_small.xml
-rw-r--r-- 1 root root 306K 82 2011 haarcascade_mcs_leftear.xml
-rw-r--r-- 1 root root 760K 428 2011 haarcascade_mcs_lefteye.xml
-rw-r--r-- 1 root root 703K 428 2011 haarcascade_mcs_mouth.xml
-rw-r--r-- 1 root root 1.6M 428 2011 haarcascade_mcs_nose.xml
-rw-r--r-- 1 root root 318K 82 2011 haarcascade_mcs_rightear.xml
-rw-r--r-- 1 root root 1.4M 428 2011 haarcascade_mcs_righteye.xml
-rw-r--r-- 1 root root 1.5M 428 2011 haarcascade_mcs_upperbody.xml
-rw-r--r-- 1 root root 1.1M 428 2011 haarcascade_profileface.xml
-rw-r--r-- 1 root root 317K 428 2011 haarcascade_righteye_2splits.xml
-rw-r--r-- 1 root root 1022K 428 2011 haarcascade_upperbody.xml
~/usr/share/opencv/haarcascades>>

根据文件名大家应该能知道是识别什么的。值得一提的是,这里面有四个关于人脸(frontalface)的识别库, 根据我的使用体验,default这个xml识别的最多,这就意味着本来不是头像的也识别成头像了。 alt_tree这个库虽然是最大的,但并不意味着这个库是最好的,应该说,用这个库,识别是最严格的, 这就意味着,有些头像不能被识别,因为根据他的算法,他认为这不是头像。 其余两个和alt_tree差不多。具体识别细节大家可以打开相应的xml看一下。

上面的代码只是识别面部,并不包括头发,如果大家想抓一个完整的头像的话, 可以将识别出来的矩形框的上边缘增加一定的比例,比如增加20%头像的高度。

附:C++语言人脸识别代码

网上找的,亲测可用,效率比python高一点。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
#include "cv.h"
#include "highgui.h"
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <assert.h>
#include <math.h>
#include <float.h>
#include <limits.h>
#include <time.h>
#include <ctype.h>
#ifdef _EiC
#define WIN32
#endif
static CvMemStorage* storage = 0;
static CvHaarClassifierCascade* cascade = 0;
void detect_and_draw( IplImage* image );
const char* cascade_name =
"haarcascade_frontalface_alt.xml";
/* "haarcascade_profileface.xml";*/
int main( int argc, char** argv )
{
 CvCapture* capture = 0;
 IplImage *frame, *frame_copy = 0;
 int optlen = strlen("--cascade=");
 const char* input_name;
 if( argc > 1 && strncmp( argv[1], "--cascade=", optlen ) == 0 )
 {
  cascade_name = argv[1] + optlen;
  input_name = argc > 2 ? argv[2] : 0;
 }
 else
 {
  cascade_name = "/usr/share/opencv/haarcascades/haarcascade_frontalface_default.xml";
  //opencv装好后haarcascade_frontalface_alt2.xml的路径,
  //也可以把这个文件拷到你的工程文件夹下然后不用写路径名cascade_name= "haarcascade_frontalface_alt2.xml";
  //或者cascade_name ="C:\\Program Files\\OpenCV\\data\\haarcascades\\haarcascade_frontalface_alt2.xml"
  input_name = argc > 1 ? argv[1] : 0;
 }
 cascade = (CvHaarClassifierCascade*)cvLoad( cascade_name, 0, 0, 0 );
 if( !cascade )
 {
  fprintf( stderr, "ERROR: Could not load classifier cascade\n" );
  fprintf( stderr,
    "Usage: facedetect --cascade=\"<cascade_path>\" [filename|camera_index]\n" );
  return -1;
 }
 storage = cvCreateMemStorage(0);
 if( !input_name || (isdigit(input_name[0]) && input_name[1] == '\0') )
 capture = cvCaptureFromCAM( !input_name ? 0 : input_name[0] - '0' );
 else
 capture = cvCaptureFromAVI( input_name );
 cvNamedWindow( "result", 1 );
 if( capture )
 {
  for(;;)
  {
   if( !cvGrabFrame( capture ))
   break;
   frame = cvRetrieveFrame( capture );
   if( !frame )
   break;
   if( !frame_copy )
   frame_copy = cvCreateImage( cvSize(frame->width,frame->height),
          IPL_DEPTH_8U, frame->nChannels );
   if( frame->origin == IPL_ORIGIN_TL )
   cvCopy( frame, frame_copy, 0 );
   else
   cvFlip( frame, frame_copy, 0 );
   detect_and_draw( frame_copy );
   if( cvWaitKey( 10 ) >= 0 )
   break;
  }
  cvReleaseImage( &frame_copy );
  cvReleaseCapture( &capture );
 }
 else
 {
  const char* filename = input_name ? input_name : (char*)"lena.jpg";
  IplImage* image = cvLoadImage( filename, 1 );
  if( image )
  {
   detect_and_draw( image );
   cvWaitKey(0);
   cvReleaseImage( &image );
  }
  else
  {
   /* assume it is a text file containing the
   list of the image filenames to be processed - one per line */
   FILE* f = fopen( filename, "rt" );
   if( f )
   {
    char buf[1000+1];
    while( fgets( buf, 1000, f ) )
    {
     int len = (int)strlen(buf);
     while( len > 0 && isspace(buf[len-1]) )
     len--;
     buf[len] = '\0';
     image = cvLoadImage( buf, 1 );
     if( image )
     {
      detect_and_draw( image );
      cvWaitKey(0);
      cvReleaseImage( &image );
     }
    }
    fclose(f);
   }
  }
 }
 // getchar();
 cvDestroyWindow("result");
 return 0;
}
void detect_and_draw( IplImage* img )
{
 static CvScalar colors[] =
 {
  {{0,0,255}},
  {{0,128,255}},
  {{0,255,255}},
  {{0,255,0}},
  {{255,128,0}},
  {{255,255,0}},
  {{255,0,0}},
  {{255,0,255}}
 };
 double scale = 1.3;
 IplImage* gray = cvCreateImage( cvSize(img->width,img->height), 8, 1 );
 IplImage* small_img = cvCreateImage( cvSize( cvRound (img->width/scale),
            cvRound (img->height/scale)),
          8, 1 );
 int i;
 cvCvtColor( img, gray, CV_BGR2GRAY );
 cvResize( gray, small_img, CV_INTER_LINEAR );
 cvEqualizeHist( small_img, small_img );
 cvClearMemStorage( storage );
 if( cascade )
 {
  double t = (double)cvGetTickCount();
  CvSeq* faces = cvHaarDetectObjects( small_img, cascade, storage,
           1.1, 2, 0/*CV_HAAR_DO_CANNY_PRUNING*/,
           cvSize(30, 30) );
  t = (double)cvGetTickCount() - t;
  printf( "detection time = %gms\n", t/((double)cvGetTickFrequency()*1000.) );
  for( i = 0; i < (faces ? faces->total : 0); i++ )
  {
   CvRect* r = (CvRect*)cvGetSeqElem( faces, i );
   CvPoint center;
   int radius;
   center.x = cvRound((r->x + r->width*0.5)*scale);
   center.y = cvRound((r->y + r->height*0.5)*scale);
   radius = cvRound((r->width + r->height)*0.25*scale);
   cvCircle( img, center, radius, colors[i%8], 3, 8, 0 );
  }
 }
 cvShowImage( "result", img );
 cvReleaseImage( &gray );
 cvReleaseImage( &small_img );
}

以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,同时也希望多多支持服务器之家!

原文链接:http://www.cnblogs.com/ma6174/archive/2013/03/31/2991315.html