Python基于Opencv来快速实现人脸识别过程详解（完整版）_python人脸识别 - CSDN文库

7.7k 浏览量更新于2023-05-26 评论 25 收藏 121KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

Python基于基于Opencv来快速实现人脸识别过程详解（完整版）来快速实现人脸识别过程详解（完整版）

主要介绍了Python基于Opencv来快速实现人脸识别过程详解（完整版）随着人工智能的日益火热，计算机视觉

领域发展迅速，今天就为大家带来最基础的人脸识别基础，从一个个函数开始走进这个奥妙的世界,需要的朋友

可以参考下

前言前言

随着人工智能的日益火热，计算机视觉领域发展迅速，尤其在人脸识别或物体检测方向更为广泛，今天就为大家带来最基础的

人脸识别基础，从一个个函数开始走进这个奥妙的世界。

首先看一下本实验需要的数据集，为了简便我们只进行两个人的识别，选取了beyond乐队的主唱黄家驹和贝斯手黄家强，这

哥俩长得有几分神似，这也是对人脸识别的一个考验：

两个文件夹，一个为训练数据集，一个为测试数据集，训练数据集中有两个文件夹0和1，之前看一些资料有说这里要遵

循“slabel”命名规则，但后面处理起来比较麻烦，因为目前opencv接受的人脸识别标签为整数，那我们就直接用整数命名吧：

为了方便，我们每个人用20张照片来训练，0代表黄家驹，1代表黄家强：

开始啦：

1.检测人脸检测人脸

这应该是最基本的，给我们一张图片，我们要先检测出人脸的区域，然后才能

进行操作，opencv已经内置了很多分类检测器，我们这次用haar：

def detect_face(img):

#将测试图像转换为灰度图像，因为opencv人脸检测器需要灰度图像

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#加载OpenCV人脸检测分类器Haar

face_cascade = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')

#检测多尺度图像，返回值是一张脸部区域信息的列表（x,y,宽,高）

faces = face_cascade.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=5)

# 如果未检测到面部，则返回原始图像

if (len(faces) == 0):

return None, None

#目前假设只有一张脸，xy为左上角坐标，wh为矩形的宽高

(x, y, w, h) = faces[0]

#返回图像的正面部分

return gray[y:y + w, x:x + h], faces[0]

2.有了数据集和检测人脸的功能后，我们就可以进行预训练了有了数据集和检测人脸的功能后，我们就可以进行预训练了

最后返回所有训练图片的人脸检测信息和标签：

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余3页未读，立即下载

评论0

weixin_38628429

粉丝: 7
资源: 914

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈