OpenCV实现人脸识别


Posted in Python onApril 07, 2017

主要有以下步骤:

1、人脸检测

2、人脸预处理

3、从收集的人脸训练机器学习算法

4、人脸识别

5、收尾工作

人脸检测算法:

基于Haar的脸部检测器的基本思想是,对于面部正面大部分区域而言,会有眼睛所在区域应该比前额和脸颊更暗,嘴巴应该比脸颊更暗等情形。它通常执行大约20个这样的比较来决定所检测的对象是否为人脸,实际上经常会做上千次。

基于LBP的人脸检测器基本思想与基于Haar的人脸检测器类似,但它比较的是像素亮度直方图,例如,边缘、角落和平坦区域的直方图。

这两种人脸检测器可通过训练大的图像集找到人脸,这些图像集在opencv中存在XML文件中以便后续使用。

这些级联分类检测器通常至少需使用1000个独特的人脸图像和10000个非人脸图像作为训练,训练时间一般LBP要几个小时,

Haar要一个星期。

项目中的关键代码如下:

initDetectors
faceCascade.load(faceCascadeFilename);
eyeCascade1.load(eyeCascadeFilename1);
eyeCascade2.load(eyeCascadeFilename2);

initWebcam
videoCapture.open(cameraNumber);

cvtColor(img, gray, CV_BGR2GRAY);
//有需要则缩小图片使检测运行更快,之后要恢复原来大小
resize(gray, inputImg, Size(scaledWidth, scaledHeight));
equalizeHist(inputImg, equalizedImg);
cascade.detectMultiScale(equalizedImg......);

人脸预处理:

实际中通常训练(采集图像)和测试(来自摄像机图像)的图像会有很大不同,受(如光照、人脸方位、表情等),

结果会很差,因此用于训练的数据集很重要。

人脸预处理目的是减少这类问题,有助于提高整个人脸识别系统的可靠性。

人脸预处理的最简单形式就是使用equalizeHist()函数做直方图均衡,这与人脸检测那步一样。

实际中,为了让检测算法更可靠,会使用面部特征检测(如,检测眼睛、鼻子、嘴巴和眉毛),本项目只使用眼睛检测。

使用OpenCV自带的训练好的眼部探测器。如,正面人脸检测完毕后,得到一个人脸,在使用眼睛检测器提取人脸的左眼区域和右眼区域,并对每个眼部区域进行直方图均衡。

这步涉及的操作有以下内容:

1、几何变换和裁剪

人脸对齐很重要,旋转人脸使眼睛保持水平,缩放人脸使眼睛之间距离始终相同,平移人脸使眼睛总是在所需高度上水平居中,

裁剪人脸外围(如图像背景、头发、额头、耳朵和下巴)。

2、对人脸左侧和右侧分别用直方图均衡

3、平滑

用双边滤波器来减少图像噪声

4、椭圆掩码

将剩余头发和人脸图像背景去掉

项目中的关键代码如下:

detectBothEyes(const Mat &face, CascadeClassifier &eyeCascade1, CascadeClassifier &eyeCascade2,
Point &leftEye, Point &rightEye, Rect *searchedLeftEye, Rect *searchedRightEye);
topLeftOfFace = face(Rect(leftX, topY, widthX, heightY));
//在左脸区域内检测左眼
detectLargestObject(topLeftOfFace, eyeCascade1, leftEyeRect, topLeftOfFace.cols);
//右眼类似,这样眼睛中心点就得到了
leftEye = Point(leftEyeRect.x + leftEyeRect.width/2, leftEyeRect.y + leftEyeRect.height/2);
//再得到两眼的中点,然后计算两眼之间的角度
Point2f eyesCenter = Point2f( (leftEye.x + rightEye.x) * 0.5f, (leftEye.y + rightEye.y) * 0.5f );
//仿射扭曲(Affine Warping)需要一个仿射矩阵
rot_mat = getRotationMatrix2D(eyesCenter, angle, scale);
//现在可变换人脸来得到检测到的双眼出现在人脸的所需位置
warpAffine(gray, warped, rot_mat, warped.size());

//先对人脸左侧和右侧分开进行直方图均衡
equalizeHist(leftSide, leftSide);
equalizeHist(rightSide, rightSide);
//再合并,这里合并时左侧1/4和右侧1/4直接取像素值,中间的2/4区域像素值通过一定计算进行处理。

//双边滤波
bilateralFilter(warped, filtered, 0, 20.0, 2.0);

//采用椭圆掩码来删除一些区域
filtered.copyTo(dstImg, mask);

收集并训练人脸:

一个好的数据集应包含人脸变换的各种情形,这些变化可能出现在训练集中。如只测试正面人脸,则只需训练图像有完全正面人脸即可。

因此一个好的训练集应包含很多实际情形。

本项目收集的图像之间至少有一秒的间隔,使用基于L2范数的相对错误评价标准来比较两幅图像素之间的相似性。

errorL2 = norm(A, B, CV_L2);
similarity = errorL2 / (double)(A.rows * A.cols);

再与收集新人脸的阈值相比来决定是否收集这次图像。

可用很多技巧来获取更多的训练数据,如,使用镜像人脸、加入随机噪声、改变人脸图像的一些像素、旋转等。

//翻转
flip(preprocessedFace, mirroredFace, 1);

对每个人收集到足够多的人脸图像后,接下来必须选择适合人脸识别的机器学习算法,通过它来学习收集的数据,从而训练出一个人脸识别系统。

人脸识别算法:

1、特征脸,也称PCA(主成分分析)

2、Fisher脸,也称LDA(线性判别分析)

3、局部二值模式直方图(Local Binary Pattern Histograms,LBPH)

其他人脸识别算法:www.face-rec.org/algorithms/

OpenCV提供了CV::Algorithm类,该类有几种不同的算法,用其中一种算法就可以完成简单而通用的人脸识别。

OpenCV的contrib模板中有一个FaceRecognizer类,它实现以上这些人脸识别算法。

initModule_contrib();
model = Algorithm::create<FaceRecognizer>(facerecAlgorithm);

model->train(preprocessedFaces, faceLabels);

这一代码将执行所选人脸识别的整个训练算法。

人脸识别:

1、人脸识别:通过人脸来识别这个人

可以简单调用FaceRecognizer::predict()函数来识别照片中的人,

int identity = model->predict(preprocessedFace);

它带来的问题是它总能预测给定的人(即使输入图像不属于训练集中的人)。

解决此问题的办法是制定置信度标准,置信度过低则可判读是一个不认识的人。

2、人脸验证:验证图像中是否有想找的人

为了验证是否可靠,或者说系统是否能对一个不认识的人进行正确识别,这需要进行人脸验证。

这里计算置信度的方法是:

使用特征向量和特征值重构人脸图,然后将输入的图像与重构图进行比较。如果一个人在训练集中有多张人脸图,用特征向量和特征

值重构后应该有非常好的效果,如果没有则差别很大,表明它可能是一个未知的人脸。

subspaceProject()函数将人脸图像映射到特征空间,再用subspaceReconstruct()函数从特征空间重构图像。

收尾:交互式GUI

利用OpenCV函数很容易绘制一些组件,鼠标点击等。

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三水点靠木!

Python 相关文章推荐
python和shell实现的校验IP地址合法性脚本分享
Oct 23 Python
Python面向对象编程中的类和对象学习教程
Mar 30 Python
Python制作爬虫采集小说
Oct 25 Python
Python自动发邮件脚本
Mar 31 Python
Python中pillow知识点学习
Apr 30 Python
python numpy 部分排序 寻找最大的前几个数的方法
Jun 27 Python
解决PyCharm同目录下导入模块会报错的问题
Oct 13 Python
python 从文件夹抽取图片另存的方法
Dec 04 Python
pyenv虚拟环境管理python多版本和软件库的方法
Dec 26 Python
Tensorflow读取并输出已保存模型的权重数值方式
Jan 04 Python
Python如何将将模块分割成多个文件
Aug 04 Python
python3+PyQt5+Qt Designer实现界面可视化
Jun 10 Python
python使用opencv进行人脸识别
Apr 07 #Python
Python 实现链表实例代码
Apr 07 #Python
python中如何使用朴素贝叶斯算法
Apr 06 #Python
python获取当前运行函数名称的方法实例代码
Apr 06 #Python
python爬取w3shcool的JQuery课程并且保存到本地
Apr 06 #Python
使用Python对SQLite数据库操作
Apr 06 #Python
使用Python对MySQL数据操作
Apr 06 #Python
You might like
PHP session有效期问题
2009/04/26 PHP
生成随机字符串和验证码的类的PHP实例
2013/12/24 PHP
PHP批量查询WordPress留言者E-mail地址实现方法
2015/02/15 PHP
PHP连接access数据库
2015/03/27 PHP
给Function做的OOP扩展
2009/05/07 Javascript
javascript 判断数组是否已包含了某个元素的函数
2010/05/30 Javascript
阻止子元素继承父元素事件具体思路及实现
2013/05/02 Javascript
jQuery 快速结束当前正在执行的动画
2013/11/20 Javascript
原始XMLHttpRequest方法详情回顾
2013/11/28 Javascript
jquerymobile局部渲染的各种刷新方法小结
2014/03/05 Javascript
js实现通用的微信分享组件示例
2014/03/10 Javascript
基于JS代码实现实时显示系统时间
2016/06/16 Javascript
JS随机打乱数组的方法小结
2016/06/22 Javascript
jQuery学习笔记——jqGrid的使用记录(实现分页、搜索功能)
2016/11/09 Javascript
利用Node.js编写跨平台的spawn语句详解
2017/02/12 Javascript
nodejs个人博客开发第三步 载入页面
2017/04/12 NodeJs
Angular2中如何使用ngx-translate进行国际化
2017/05/21 Javascript
原生js jquery ajax请求以及jsonp的调用方法
2017/08/04 jQuery
vue使用iframe嵌入网页的示例代码
2020/06/09 Javascript
微信小程序自定义头部导航栏和导航栏背景图片 navigationStyle问题
2019/07/26 Javascript
layui表格设计以及数据初始化详解
2019/10/26 Javascript
原生js实现点击按钮复制内容到剪切板
2020/11/19 Javascript
Python中XlsxWriter模块简介与用法分析
2018/04/24 Python
Linux下python与C++使用dlib实现人脸检测
2018/06/29 Python
利用python和ffmpeg 批量将其他图片转换为.yuv格式的方法
2019/01/08 Python
Python 2种方法求某个范围内的所有素数(质数)
2020/01/31 Python
Python异步编程之协程任务的调度操作实例分析
2020/02/01 Python
django的模型类管理器——数据库操作的封装详解
2020/04/01 Python
浅析Python 条件控制语句
2020/07/15 Python
详解python的xlwings库读写excel操作总结
2021/02/26 Python
耐克巴西官方网站:Nike巴西
2016/08/14 全球购物
新加坡第一大健康与美容零售商:屈臣氏新加坡(Watsons Singapore)
2020/12/11 全球购物
文员求职信
2014/07/15 职场文书
出纳年终工作总结2014
2014/12/05 职场文书
小学体育队列队形教学反思
2016/02/16 职场文书
优秀大学生申请书
2019/06/24 职场文书