总在科幻电影里看到人脸识别,现在我们也可以编程来实现啦。哈哈~~
OpenCV是Intel®开源计算机视觉库。它由一系列 C 函数和少量 C++ 类构成,实现了图像处理和计算机视觉方面的很多通用算法。
OpenCV 拥有包括 300 多个C函数的跨平台的中、高层 API。它不依赖于其它的外部库--尽管也可以使用某些外部库。它还提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方
面的很多通用算法。
所以总体来说OpenCV的人脸检测功能在是很不错的。
效果图如下:
下面我们就用python + OpenCV实现人脸识别。
开发运行环境:
Centos5.5
OpenCV
python2.7
PIL
下面上代码:
# @param Python+OpenCV人脸识别技术详解# @author 内存溢出 jb51.cc|www.jb51.cc #!/usr/bin/python# -*- Coding: UTF-8 -*- # face_detect.py # Face Detection using OpenCV. Based on sample code from:# http://jb51.cc # Usage: python face_detect.py import sys,os#引入opencv库中的相应组件from opencv.cv import *from opencv.highgui import *#引入PIL库from PIL import Image,ImageDrawfrom math import sqrt def detectObjects(image): #首先把图片转换为灰度模式,以便找到人脸位置 grayscale = cvCreateImage(cvSize(image.wIDth,image.height),8,1) cvCvtcolor(image,grayscale,CV_BGR2GRAY) storage = cvCreateMemStorage(0) cvClearMemStorage(storage) cvEqualizeHist(grayscale,grayscale) cascade = cvLoadHaarClassifIErCascade( \'/usr/share/opencv/haarcascades/haarcascade_frontalface_default.xml\',cvSize(1,1)) faces = cvHaarDetectObjects(grayscale,cascade,storage,1.1,2,CV_HAAR_DO_CANNY_PRUNING,cvSize(20,20)) result = [] for f in faces: result.append((f.x,f.y,f.x+f.wIDth,f.y+f.height)) return result def grayscale(r,g,b): return int(r * .3 + g * .59 + b * .11) def process(infile,outfile): image = cvLoadImage(infile); if image: faces = detectObjects(image) im = Image.open(infile) if faces: draw = ImageDraw.Draw(im) for f in faces: draw.rectangle(f,outline=(255,255)) im.save(outfile,"JPEG",quality=100) else: print "Error: cannot detect faces on %s" % infile if @R_403_4267@ == "__main__": process(\'input.jpg\',\'output.jpg\')# End www.jb51.cc
代码到此结束,上面的例子看不懂,没关系,因为我们大量使用了库里面的函数和方法,如果看不懂,我们可以去网上查或者使用手册,只要借助这些看懂这段代码就ok,重要的是掌握其中的人脸识别实现思想
总结以上是内存溢出为你收集整理的Python+OpenCV人脸识别技术详解全部内容,希望文章能够帮你解决Python+OpenCV人脸识别技术详解所遇到的程序开发问题。
如果觉得内存溢出网站内容还不错,欢迎将内存溢出网站推荐给程序员好友。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)