 |
 |
 |
 |
 |
 |
||
 |
 |
 |
 |
 |
| 4 | 1/1 | 返回列表 |
| 查看: 1763 | 回復: 3 | ||||
新手已上路木蟲 (職業(yè)作家)
|
[交流]
25行Python代碼完成人臉識別 已有3人參與
|
|
以下是Shantnu Tiwari的客座文章，作者有著在底層編程和嵌入式領域十年的工作經(jīng)驗。在發(fā)現(xiàn)Python語言之前的幾年時間里，Shantnu Tiwari一直忍受著C/C++語言編程的不便，但Python使作者感到耳目一新�，F(xiàn)在作者開始展現(xiàn)其對Python語言編程的熱愛。 在本文中我們將向您介紹一個異常簡單的使用Python語言和開源庫OpenCV的人臉識別方法，供此開啟人臉識別之旅。 在回復區(qū)提出任何問題之前： 1. 不要略過文章而直接去嘗試運行程序代碼。你不僅需要調通代碼，還需要在理解代碼功能的基礎上對代碼進行故障排解。 2. 確保你使用的是OpenCV V2版本。 3. 為了保證腳本進行正常，你需要配備一個功能正常的網(wǎng)絡攝像頭。 4. 首先瀏覽一下其他人的點評和問題，因為有可能你的問題別人已經(jīng)提出過。 多謝。 OpenCV OpenCV介紹 OpenCV是計算機視覺領域最受歡迎的庫。OpenCV最早是使用C/C++語言進行編寫的，現(xiàn)已支持Python語言捆綁使用。 OpenCV使用機械學習算法對圖像中的人臉進行搜索。由于有著與人臉一樣復雜的原因，不存在一項簡便的測試可以告知人們是否能夠識別出人臉。相反，算法需要對成千上萬細小的模式和特征進行匹配。面部識別算法被分解成成千上萬很小的、易理解的任務，每一個任務較易實現(xiàn)。這些任務被稱為分類器。 像人臉一樣，你可能有6，000個基于更多的分類器在進行人臉檢測過程中，每一個分類器都需要進行匹配（當然要在一定的誤差范圍內）。但這其中就有問題了。在人臉識別過程中，算法從圖片的左上角開始向右下角按小塊逐步進行匹配，對每一個小塊的識別過程中，算法都會持續(xù)的問：“這是人臉么？這是人臉么？這是人臉么？”由于在每個小塊有著6000甚至更多的匹配項需要進行匹配，你可能會有無數(shù)的計算要執(zhí)行，這些計算將引發(fā)你的電腦發(fā)生死機。 為解決這個問題，OpenCV使用了級聯(lián)技術。那什么是級聯(lián)?最適當?shù)拇鸢妇驮谧值渲�。級�?lián)就是一個瀑布或者一系列的瀑布。 像一系列的瀑布過程一樣，OpenCV級聯(lián)將人臉檢測過程拆分成了多個過程。在每一個圖像小塊中只進行一次粗略的測試。如果測試通過，接下來進行更詳細的細節(jié)測試，依次重復。檢測算法中有30至50個這種過程或者級聯(lián)，只有在所有過程成功后才會最終識別到人臉。這樣做的好處是在最初的幾個過程中大多數(shù)的圖片將會因不滿足測試而被過略掉，算法可以無需浪費時間對每一張圖像的6，000個屬性進行檢驗。人臉識別算法運行耗時由數(shù)小時級降至實時級。 級聯(lián)實現(xiàn) 理論聽起來非常復雜，但實現(xiàn)起來去非常簡單。級聯(lián)其實就是一組包含了OpenCV用于進行目標識別的數(shù)據(jù)組成的XML文件。只需使用你想用的級聯(lián)對你的代碼進行初始化操作，其余過程由級聯(lián)替你完成。 鑒于人臉識別是如此的普適，OpenCV包含了大量的用于人臉識別、眼部識別、手部及腿部識別的內置級聯(lián)。甚至還包含了對非人物對象識別使用的級聯(lián)工具。例如，你是一個香蕉店的老板，OpenCV就有一個對消費者偷香蕉的行為追蹤的級聯(lián)。 OpenCV安裝 首先需要找到適合你電腦的安裝文件。 我發(fā)現(xiàn)安裝OpenCV才是整個過程中最難的部分。如果你最到了奇怪的無法解釋的報錯，有可能是因為庫沖突，32位和64位差異等。我總結的最簡單方法是安裝一臺Linux虛擬機然后從頭開始安裝。 一旦安裝完成，開啟一個Python會話，然后輸入以下代碼對安裝是否正常進行確認： $ python 如果沒有任何報錯，可以繼續(xù)以下步驟。 理解代碼 讓我們開始分解真實的代碼，可以從repo網(wǎng)站下載。需下載腳本face_detect.py，圖片abba.png和XML文件haar_cascade_frontalface_default.xml三個文件。 # Get user supplied values imagePath = sys.argv[1] cascPath = sys.argv[2] 首先將相片和級聯(lián)名稱傳遞給命令行的參數(shù)。我們將會使用Abba相片和由OpenCV提供的進行人臉檢測的默認級聯(lián)。 # Create the haar 級聯(lián) facecascade = cv2.cascadeClassifier(cascPath) 現(xiàn)在我們創(chuàng)建了級聯(lián)，并用我們的人臉級聯(lián)初始化了它。這樣就把該級聯(lián)載入內存并且可以使用了。記住，級聯(lián)就是一個包含了用于人臉檢測的數(shù)據(jù)的XML文件。 # Read the image image = cv2.imread(imagePath) gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) 下面是讀取圖片并進行灰度轉換。在進行灰度轉換過程中已經(jīng)完成了OpenCV的多個操作步驟。 # Detect faces in the image faces = facecascade.detectMultiScale( gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30), flags = cv2.cv.CV_HAAR_SCALE_IMAGE ) 這個函數(shù)檢測實際的人臉，因此是關鍵代碼，所以我們仔細檢查一下選項。 1. detectMultiScale function是一個檢測對象的通用函數(shù)。由于我們調用它檢測人臉，所以它就將檢測人臉。第一個選項是圖片灰度轉換的相片。 2. 第二個選項是scaleFactor。由于可能存在部分人臉距離相機相對較近，從而與較遠處的人臉相比，尺寸較大。比例因子可以進行抵消補償。 3. 檢測算法使用了一個活動窗口進行目標檢測。minNeighbors選項定義了在其聲明人臉被找到前，當前對象附件的目標數(shù)量。同時，minSize選項給出了每個窗口的大小。 在這些方面我采用了常用值。在實際中你可以對窗口尺寸、補償系數(shù)等進行調試直到找到最適合的值。 函數(shù)的返回值是一組四邊型，四邊型內是算法檢測到的人臉。下一步，我們將對函數(shù)的這些返回值進行循環(huán)。 print "Found {0} faces!".format(len(faces)) # Draw a rectangle around the faces for (x, y, w, h) in faces: cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2) 這個函數(shù)返回4個值：四邊型的X軸、Y軸位置，四邊型的寬度W和高度H。 使用以上4個值調用內置函數(shù)rectangle畫出一個四邊型。 cv2.imshow("Faces found" ,image) cv2.waitKey(0) 最后，展示這個圖片給用戶，并等待用戶的一個鍵盤輸入。 結果檢查 讓我們再對Abba圖片進行一次測試。 $ python face_detect.py abba.png haar級聯(lián)_frontalface_default.xml 25行Python代碼完成人臉識別 這個工作正常，其他圖片檢測結果如何？ 25行Python代碼完成人臉識別 那個…不是人臉。讓我們再試一次。我修改了參數(shù)設置，發(fā)現(xiàn)將scaleFactor設置成1.2可以將識別錯識的人臉過濾掉。 25行Python代碼完成人臉識別 發(fā)生了什么？好吧，第一張相片使用了一個高相素相機在較近的距離進行拍攝。第二張相片貌似是使用的手機在較遠距離進行的拍攝。這就是參數(shù)scaleFactor需要修改的原因。就像我說過的，你需要根據(jù)不同測試案例對算法進行不同的參數(shù)設置從而避免誤識別的發(fā)生。 需要注意的是，由于采用了基于機械學習的算法，檢測結果永遠無法達到100%精確。大多數(shù)案例中你都能得到較好的結果，但偶爾算法也會檢測到錯誤的對象，就像檢測到錯誤的人臉一樣。 代碼在這里。 使用網(wǎng)絡攝像頭 如果你想便用攝像頭怎么辦？OpenCV從攝像頭按幀抓取圖片后你就可以按幀進行人臉檢測了。你需要一臺高性能計算機，雖然我已用了五年的筆記本可以應付這項工作，但我也只是偶爾才測試一次。 |
回復此樓» 收錄本帖的淘帖專輯推薦
 人工智能資源專享 |
» 猜你喜歡
281求調劑（0805）
已經(jīng)有8人回復
-
環(huán)境領域全國重點實驗室招收博士1-2名
已經(jīng)有3人回復
-
材料專碩306英一數(shù)二
已經(jīng)有10人回復
-
301求調劑
已經(jīng)有6人回復
-
一志愿天津大學化學工藝專業(yè)（081702）315分求調劑
已經(jīng)有7人回復
-
302求調劑
已經(jīng)有6人回復
-
26博士申請
已經(jīng)有3人回復
-
268求調劑
已經(jīng)有3人回復
-
311求調劑
已經(jīng)有10人回復
-
被我言中：新模板不強調格式了，假專家開始管格式了
已經(jīng)有4人回復
遙控小丑
金蟲 (正式寫手)
- 應助: 30 (小學生)
- 金幣: 1688.9
- 紅花: 12
- 帖子: 828
- 在線: 113.3小時
- 蟲號: 4013449
- 注冊: 2015-08-09
- 性別: GG
- 專業(yè): 計算機科學
2樓2016-01-03 15:44:00
3樓2016-01-08 00:27:19
★
小木蟲: 金幣+0.5, 給個紅包，謝謝回帖
小木蟲: 金幣+0.5, 給個紅包，謝謝回帖
4樓2016-01-24 15:49:22
相關版塊跳轉
我要訂閱樓主 新手已上路 的主題更新
| 4 | 1/1 | 返回列表 |
| 最具人氣熱帖推薦 [查看全部] | 作者 | 回/看 | 最后發(fā)表 | |
|---|---|---|---|---|
|
[考研] 301求調劑 +6 | yy要上岸呀 2026-03-17 | 6/300 |
|
|---|---|---|---|---|
|
[考研] 材料，紡織，生物（0856、0710），化學招生啦 +3 | Eember. 2026-03-17 | 7/350 |
|
|
|
[考研] 301求調劑 +4 | A_JiXing 2026-03-16 | 4/200 |
|
|
|
[考研] 308求調劑 +4 | 是Lupa啊 2026-03-16 | 4/200 |
|
|
|
[考研] 290求調劑 +6 | 孔志浩 2026-03-12 | 11/550 |
|
|
|
[論文投稿] 有沒有大佬發(fā)小論文能帶我個二作 +3 | 增銳漏人 2026-03-17 | 4/200 |
|
|
|
[考研] 278求調劑 +3 | Yy7400 2026-03-13 | 3/150 |
|
|
|
[考研] 化學調劑0703 +8 | 啊我我的 2026-03-11 | 8/400 |
|
|
|
[考研] 0703化學調劑 +6 | 妮妮ninicgb 2026-03-15 | 9/450 |
|
|
|
[考研] 0703一志愿211 285分求調劑 +5 | ly3471z 2026-03-13 | 5/250 |
|
|
|
[考研] 283求調劑 +10 | 小樓。 2026-03-12 | 14/700 |
|
|
|
[考研] 070303一志愿西北大學學碩310找調劑 +5 | d如愿上岸 2026-03-12 | 8/400 |
|
|
|
[考研] 22408總分284求調劑 +3 | InAspic 2026-03-13 | 3/150 |
|
|
|
[考研] 085601材料工程315分求調劑 +3 | yang_0104 2026-03-15 | 3/150 |
|
|
|
[考研] 材料工程327求調劑 +3 | xiaohe12w 2026-03-11 | 3/150 |
|
|
|
[考研] 本科南京大學一志愿川大藥學327 +3 | 麥田耕者 2026-03-14 | 3/150 |
|
|
|
[考研] 26調劑/材料/英一數(shù)二/總分289/已過A區(qū)線 +6 | 步川酷紫123 2026-03-13 | 6/300 |
|
|
|
[考研] 四川大學085601材料工程專碩 初試294求調劑 +4 | 祝我們好在冬天 2026-03-11 | 4/200 |
|
|
|
[考研] 材料專碩350 求調劑 +4 | 王金科 2026-03-12 | 4/200 |
|
|
|
[考研] 一志愿211化學學碩310分求調劑 +8 | 努力奮斗112 2026-03-12 | 9/450 |
|