python使用opencv进行人脸识别

概述环境ubuntu12.04LTSpython2.7.3opencv2.3.1-7安装依赖sudoapt-getinstalllibopencv-*sudoapt-getinstallpython-opencv

环境

ubuntu 12.04 LTS
python 2.7.3
opencv 2.3.1-7

安装依赖

sudo apt-get install libopencv-*sudo apt-get install python-opencvsudo apt-get install python-numpy

示例代码

#!/usr/bin/env python#Coding=utf-8import osfrom PIL import Image,ImageDrawimport cvdef 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 resultdef 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))   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" % infileif __name__ == "__main__": process("./opencv_in.jpg")

转换效果

原图：

转换后

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：

~~/usr/share/opencv/haarcascades>> ll -h总用量 19Mdrwxr-xr-x 2 root root 4.0K 3月 22 17:14 ./drwxr-xr-x 4 root root 4.0K 3月 22 17:14 ../-rw-r--r-- 1 root root 1.1M 4月 28 2011 haarcascade_eye_tree_eyeglasses.xml-rw-r--r-- 1 root root 495K 4月 28 2011 haarcascade_eye.xml-rw-r--r-- 1 root root 818K 4月 28 2011 haarcascade_frontalface_alt2.xml-rw-r--r-- 1 root root 3.5M 4月 28 2011 haarcascade_frontalface_alt_tree.xml-rw-r--r-- 1 root root 899K 4月 28 2011 haarcascade_frontalface_alt.xml-rw-r--r-- 1 root root 1.2M 4月 28 2011 haarcascade_frontalface_default.xml-rw-r--r-- 1 root root 622K 4月 28 2011 haarcascade_fullbody.xml-rw-r--r-- 1 root root 316K 4月 28 2011 haarcascade_lefteye_2splits.xml-rw-r--r-- 1 root root 520K 4月 28 2011 haarcascade_lowerbody.xml-rw-r--r-- 1 root root 350K 4月 28 2011 haarcascade_mcs_eyepair_big.xml-rw-r--r-- 1 root root 401K 4月 28 2011 haarcascade_mcs_eyepair_small.xml-rw-r--r-- 1 root root 306K 8月 2 2011 haarcascade_mcs_leftear.xml-rw-r--r-- 1 root root 760K 4月 28 2011 haarcascade_mcs_lefteye.xml-rw-r--r-- 1 root root 703K 4月 28 2011 haarcascade_mcs_mouth.xml-rw-r--r-- 1 root root 1.6M 4月 28 2011 haarcascade_mcs_nose.xml-rw-r--r-- 1 root root 318K 8月 2 2011 haarcascade_mcs_rightear.xml-rw-r--r-- 1 root root 1.4M 4月 28 2011 haarcascade_mcs_righteye.xml-rw-r--r-- 1 root root 1.5M 4月 28 2011 haarcascade_mcs_upperbody.xml-rw-r--r-- 1 root root 1.1M 4月 28 2011 haarcascade_profileface.xml-rw-r--r-- 1 root root 317K 4月 28 2011 haarcascade_righteye_2splits.xml-rw-r--r-- 1 root root 1022K 4月 28 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。

#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#endifstatic 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 ); 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] == '') ) 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,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( @R_403_6345@s( buf,1000,f ) )    {     int len = (int)strlen(buf);     while( len > 0 && isspace(buf[len-1]) )     len--;     buf[len] = '';     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[] =  {  {{0,255}},{{0,128,255,0}},{{255,255}} }; double scale = 1.3; Iplimage* gray = cvCreateImage( cvSize(img->wIDth,img->height),1 ); Iplimage* small_img = cvCreateImage( cvSize( cvRound (img->wIDth/scale),cvRound (img->height/scale)),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,storage,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],3,0 );  } } 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编程小技巧！

总结

以上是内存溢出为你收集整理的python使用opencv进行人脸识别全部内容，希望文章能够帮你解决python使用opencv进行人脸识别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。