Python人脸识别黑科技（一）：50行代码运用Python＋OpenCV实现人脸追踪+详细教程+快速入门+图像识_python opencv 通过摄像头采集本人的图像数据,用方框表示人脸区域

Python黑科技：50行代码运用Python＋OpenCV实现人脸追踪+详细教程+快速入门+图像识

本篇文章我们来讲一下关于AI相关的人脸追踪，人脸识别相关的一些知识。当然本篇教程为（上）部分，讲一下利用python+opencv来实现人脸识别与追踪，明后天出（下）部分，用python来通过指纹对比实现人脸验证、人脸解锁。

这两节课呢，代码量都不是很多，鄙人尽量多注释点，便于大家理解。那我们就不多啰嗦废话了，直接上干货！

Python黑科技：50行代码运用Python＋OpenCV实现人脸追踪+详细教程+快速入门+图像识

OpenCV：

opencv目前来讲是十分流行的视觉库，而且可以支持多语言。说到opencv就不得不说它的cascades分类器。

如果我们要判断一张图片是不是有一张脸，早期方式是通过成千上万的分类器去从头匹配到尾，这样看并没有什么什么毛病，但判断的图片多了呢？那可能需要猴年马月。opencv的cascades呢，就把这些用来判断人脸特征的容器划分成多块层层匹配，到一层不匹配就被丢弃。

这好比一群人去公司面试，公司第一个要求是只要男人，那一批女人就走了，公司说只要本科，一批专科走了，公司说要两年工作经验的，又会走一批，直到最后。这样的工作量比每个人面试不管男女都过一遍流程轻松的多。

环境拓扑：

操作系统：windows7

python版本：2.7.14

opencv版本：3.x

环境配置：

1.安装python（额...这个当我没说）

2.安装Opencv

这个从官网下载就OK啦

Python黑科技：50行代码运用Python＋OpenCV实现人脸追踪+详细教程+快速入门+图像识

下载完之后直接解压就行，推荐解压到跟你的python安装的父路径。

3.使用pip安装numpy

打开cmd输入：

pip install numpy

进行安装，安装完毕后会给提示。

Python黑科技：50行代码运用Python＋OpenCV实现人脸追踪+详细教程+快速入门+图像识

4.找到你的opencv安装路径（比如我的是D盘）

复制D:opencvopencv3.xuildpython.7\x64路径下的cv2.py

Python黑科技：50行代码运用Python＋OpenCV实现人脸追踪+详细教程+快速入门+图像识

注意：我的windows版本为64位所以我选择的是X64，如果你的是32位的话你需要选择X86文件夹下的cv2.pyd

复制完之后，粘贴到你的python安装路径下的Lib/site-packages这个文件夹下。

完成上面这些就基本OK啦，我们在写代码之前先来测试一下，环境是否配置成功。

在CMD命令行下运行python：

import numpy

import cv2

如果没有报错，说明安装完成。

Python黑科技：50行代码运用Python＋OpenCV实现人脸追踪+详细教程+快速入门+图像识

实现原理：

1.调用计算机摄像头

cv2.Videocamture(0)

2.将摄像头数据按帧来取（相当于给每一帧图片的人脸加框框）

cam.red()

3.将每一帧摄像头记录的数据带入opencv让classifier去判断人脸

detectMultiScale()

4.如果存在人脸给人脸标记画框

cv2.rectangle()

5.输出画框后的帧动画

cv2.imshow('My Camera',frame)

代码实现：

第一步定义一个识别函数：

先放图片，这个地方比较重要，我在下面会详细的说一下。

标题

6-7行代码说明：

首先创建classifier，为什么要弄这个呢？

引用的haarcascade开头的文件是opencv里面关于人脸级联分类器，你在opencv文件夹下的sourcesdatahaarcascades可以看到：

说明功能：

人脸检测器（默认）：haarcascade_frontalface_default.xml

人脸检测器（快速Harr）：haarcascade_frontalface_alt2.xml

人脸检测器（侧视）：haarcascade_profileface.xml

眼部检测器（左眼）：haarcascade_lefteye_2splits.xml

眼部检测器（右眼）：haarcascade_righteye_2splits.xml

嘴部检测器：haarcascade_mcs_mouth.xml

鼻子检测器：haarcascade_mcs_nose.xml

身体检测器：haarcascade_fullbody.xml

人脸检测器（快速LBP）：lbpcascade_frontalface.xml

1：haarcascade_frontalface_alt.xml

Stump-based 20x20 gentle adaboost frontal face detector.

2：haarcascade_frontalface_alt2.xml

Tree-based 20x20 gentle adaboost frontal face detector.

3：haarcascade_frontalface_alt_tree.xml

Stump-based 20x20 gentle adaboost frontal face detector.This detector uses tree of stage classifiers instead of a cascade

4：haarcascade_frontalface_default.xml

Stump-based 24x24 discrete(?) adaboost frontal face detector.

以上这四个鄙人都测试过，haarcascade_frontalface_alt.xml这个效果是最好的，其它的大家可以单个测试。

设定灰度：

灰度的设定是为了增强面部轮廓的对比度，这是增加精度必不可少的。

核心代码解剖：

DetectMultiScale 函数是一个检测物体的通用函数，我们介绍一下：

Python黑科技：50行代码运用Python＋OpenCV实现人脸追踪+详细教程+快速入门+图像识

Python黑科技：50行代码运用Python＋OpenCV实现人脸追踪+详细教程+快速入门+图像识

gray：这是转换成灰度后的图片

scaleFactor：补偿参数，一般设置值为1.1-1.5比较好，效果大家自己改着看

minNeighbors：对当前其周围有多少物体进行定义

minSize：设定窗口大小

flags：略抽象，选择默认或者上图即可

画方框：

定义xywh利用for循环读取faces变量里面的坐标，然后通过rectangle()函数进行画方框。

代码下部分：

Python黑科技：50行代码运用Python＋OpenCV实现人脸追踪+详细教程+快速入门+图像识

OK，写完代码之后，我们把上部分代码跟下部分代码拼凑起来，运行下试一下：

Python黑科技：50行代码运用Python＋OpenCV实现人脸追踪+详细教程+快速入门+图像识

大家凑合看吧，笔记本有点渣，不过随着人的晃动，都可以完美的识别出来，由于没法上视频，大家就自行测试吧。

这两节课呢，代码量都不是很多，鄙人尽量多注释点，便于大家理解。那我们就不多啰嗦废话了，直接上干货！

OpenCV：

opencv目前来讲是十分流行的视觉库，而且可以支持多语言。说到opencv就不得不说它的cascades分类器。

如果我们要判断一张图片是不是有一张脸，早期方式是通过成千上万的分类器去从头匹配到尾，这样看并没有什么什么毛病，但判断的图片多了呢？那可能需要猴年马月。opencv的cascades呢，就把这些用来判断人脸特征的容器划分成多块层层匹配，到一层不匹配就被丢弃。

这好比一群人去公司面试，公司第一个要求是只要男人，那一批女人就走了，公司说只要本科，一批专科走了，公司说要两年工作经验的，又会走一批，直到最后。这样的工作量比每个人面试不管男女都过一遍流程轻松的多。

环境拓扑：

操作系统：windows7

python版本：2.7.14

opencv版本：3.x

环境配置：

1.安装python（额...这个当我没说）

2.安装Opencv

这个从官网下载就OK啦

下载完之后直接解压就行，推荐解压到跟你的python安装的父路径。

3.使用pip安装numpy

打开cmd输入：

pip install numpy

进行安装，安装完毕后会给提示。

4.找到你的opencv安装路径（比如我的是D盘）

复制D:opencvopencv3.xuildpython.7\x64路径下的cv2.py

注意：我的windows版本为64位所以我选择的是X64，如果你的是32位的话你需要选择X86文件夹下的cv2.pyd

复制完之后，粘贴到你的python安装路径下的Lib/site-packages这个文件夹下。

完成上面这些就基本OK啦，我们在写代码之前先来测试一下，环境是否配置成功。

在CMD命令行下运行python：

import numpy

import cv2

如果没有报错，说明安装完成。

实现原理：

1.调用计算机摄像头

cv2.Videocamture(0)

2.将摄像头数据按帧来取（相当于给每一帧图片的人脸加框框）

cam.red()

3.将每一帧摄像头记录的数据带入opencv让classifier去判断人脸

detectMultiScale()

4.如果存在人脸给人脸标记画框

cv2.rectangle()

5.输出画框后的帧动画

cv2.imshow('My Camera',frame)

代码实现：

第一步定义一个识别函数：

先放图片，这个地方比较重要，我在下面会详细的说一下。

6-7行代码说明：

首先创建classifier，为什么要弄这个呢？

引用的haarcascade开头的文件是opencv里面关于人脸级联分类器，你在opencv文件夹下的sourcesdatahaarcascades可以看到：

说明功能：

人脸检测器（默认）：haarcascade_frontalface_default.xml

人脸检测器（快速Harr）：haarcascade_frontalface_alt2.xml

人脸检测器（侧视）：haarcascade_profileface.xml

眼部检测器（左眼）：haarcascade_lefteye_2splits.xml

眼部检测器（右眼）：haarcascade_righteye_2splits.xml

嘴部检测器：haarcascade_mcs_mouth.xml

鼻子检测器：haarcascade_mcs_nose.xml

身体检测器：haarcascade_fullbody.xml

人脸检测器（快速LBP）：lbpcascade_frontalface.xml

1：haarcascade_frontalface_alt.xml

Stump-based 20x20 gentle adaboost frontal face detector.

2：haarcascade_frontalface_alt2.xml

Tree-based 20x20 gentle adaboost frontal face detector.

3：haarcascade_frontalface_alt_tree.xml

Stump-based 20x20 gentle adaboost frontal face detector.This detector uses tree of stage classifiers instead of a cascade

4：haarcascade_frontalface_default.xml

Stump-based 24x24 discrete(?) adaboost frontal face detector.

以上这四个鄙人都测试过，haarcascade_frontalface_alt.xml这个效果是最好的，其它的大家可以单个测试。

设定灰度：

灰度的设定是为了增强面部轮廓的对比度，这是增加精度必不可少的。

核心代码解剖：

DetectMultiScale 函数是一个检测物体的通用函数，我们介绍一下：

gray：这是转换成灰度后的图片

scaleFactor：补偿参数，一般设置值为1.1-1.5比较好，效果大家自己改着看

minNeighbors：对当前其周围有多少物体进行定义

minSize：设定窗口大小

flags：略抽象，选择默认或者上图即可

画方框：

定义xywh利用for循环读取faces变量里面的坐标，然后通过rectangle()函数进行画方框。

代码下部分：

OK，写完代码之后，我们把上部分代码跟下部分代码拼凑起来，运行下试一下：

大家凑合看吧，笔记本有点渣，不过随着人的晃动，都可以完美的识别出来，由于没法上视频，大家就自行测试吧。

转自：Python雁横

部分来自：www.ruanally.com