【Python】基于OpenCv的智能人脸识别，教你轻松拿下Python项目之首（附源码+仓库地址）_python 智能识别

目录

 前言

仓库代码

开发环境

开发步骤

 一、读取图片

二、图片灰度转换

 三、修改图片尺寸

 四、画图（人脸识别框）

 五、图片中的人脸检测（可检测多张脸）

 六、视频中的人脸检测（可检测多张脸）

视频人脸检测最后的成品代码以及详细注释：

视频示例展示：

---

 前言

        人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。 用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。

        今天我们就来用Python实现一个简单的人脸识别项目~

---

仓库代码

博主宝贵的仓库连接就在下面了

推荐：Gitee Python自制项目

Python自制项目: From my homemade project (gitee.com)

---

开发环境

一、PyCharm

二、OpenCv-Python

---

开发步骤

 一、读取图片

        OpenCv的基本操作就是显示图像，先通过imread函数来读取图片，然后再显示图片、inshow()函数就是用来显示图像的；inshow()函数有两个参数，自定义图像名称和要显示的图像对象（imread函数的返回值），直接调用inshow()函数确实可以显示图片，但图片只是一闪而过，想要图片在屏幕上持久保留，就要通过waitKey()函数；waitKey()函数只有一个参数，等待键盘触发的时间，单位是毫秒，如果没有键被按下，就会返回-1这个值，最后由于底层是C++开发的，所有需要释放内存

代码即详细注释如下：

#导入模块,顺便起个别名叫做cv
import cv2 as cv
#读取图片,这里写的是相对路径，在这个包下可以找到，也可以写绝对路径，但要注意不能有中文
ret = cv.imread("jaychou.jpg")
#显示图片
cv.imshow("read", ret)
#等待键盘输入，单位是毫秒，输入1000就是1秒，输入0就是无限等待，按任意键即停止
cv.waitKey(0)
#释放内存 因为OpenCv底层是C++写的
cv.destroyAllWindows()

执行效果如下：

二、图片灰度转换

        OpenCv中有数百种关于不同颜色之间的转换，计算机视觉中有三种常用色彩空间：灰度（去除颜色信息转化成灰阶）、BGR（彩色图片，蓝绿红色彩空间）、以及HSV（色调）；

        为什么要灰度转换？转化成灰度的图片计算强度得以降低，灰度色彩空间对人脸识别处理特别有效；通过调用cvtColor函数即可转化，有两个参数，图片本身和颜色常量，返回值为修改好的图像本身 ；

        转化后用imwrite()保存图片，两个参数，自定义保存图片的名字和要保存的图片对象，这样这个图片就可以保存在同一包下；

代码即详细注释如下：

import cv2 as cv
ret = cv.imread("jaychou.jpg")
cv.imshow("read", ret)
 
#将图片进行灰度转化,COLOR_BGR2GRAY为灰度常量
gray_ret = cv.cvtColor(ret, cv.COLOR_BGR2GRAY)
#展示灰度图片
cv.imshow("gray", gray_ret)
#保存图片,在同一包下，生成灰度图片
cv.imwrite("gray_jaychou", gray_ret)
 
cv.waitKey(0)
cv.destroyAllWindows()

执行效果如下：

 三、修改图片尺寸

        有时候展示的图片不是我们想要的尺寸，这个时候就需要对图片的尺寸进行修改，同样，OpenCv给出了修改尺寸的函数resize()，函数有两个参数，图片对象和dsize=()，这第二个参数的括号内就是要设置的图片的大小（宽度和高度），返回值为修改好的图片对象

代码即详细注释如下：

import cv2 as cv
ret = cv.imread("jaychou.jpg")
#修改尺寸
resize_ret = cv.resize(ret, dsize=(200, 240))
cv.imshow("ret", resize_ret)
#输入指定键退出图片 waitKey(0)等待你输入键后，会返回你输入的ascii码
while True:
    if ord("q") == cv.waitKey(0):
        break
cv.destroyAllWindows()

执行效果如下（根据自己想要的大小去修改）：

 四、画图（人脸识别框）

        OpenCv的强大之处就在于可以对图片进行任意的编辑，处理；因为人脸识别需要检测人脸，所以就要把这个人脸圈起来，也就是绘制矩形或圆形，通过rectangle函数就可以绘制矩形，函数具有四个参数，图片对象、图像坐标（左上角坐标与右下角坐标），颜色通道，矩形线条宽度，通过这个函数绘制出一个矩形，圈出人脸；circle()函数用来绘制圆，和参数和矩形大致一样，第二个和第三个参数要注意是圆心的坐标和半径

代码即详细注释如下（矩形）：

import cv2 as cv
ret = cv.imread("jaychou.jpg")
#左上角的坐标是(x,y)，矩形的宽度和高度为w,h
x, y, w, h = 100, 100, 100, 100
#绘制矩形，color=(0, 255, 0)这里代表圈起来的是绿色,thickness=2表示线条的宽度
cv.rectangle(ret, (x, y), (x + w, y + h), color=(0, 255, 0), thickness=2)
#显示图片
cv.imshow("rectangle_ret", ret)
cv.waitKey(0)
cv.destroyAllWindows()

代码即详细注释如下（圆）：

import cv2 as cv
ret = cv.imread("jaychou.jpg")
# #左上角的坐标是(x,y)，矩形的宽度和高度为w,h
# x, y, w, h = 100, 100, 100, 100
# #绘制矩形，color=(0, 255, 0)这里代表圈起来的是绿色,thickness=2表示线条的宽度
# cv.rectangle(ret, (x, y, x + w, y + h), color=(0, 255, 0), thickness=2)
 
#绘制圆，r为半径,(x,y)为圆心坐标
x, y, r = 200, 200, 100
#center是圆心坐标，radius是半径大小
cv.circle(ret, center=(x, y), radius=r, color=(0, 0, 255), thickness=2)
#显示图片
cv.imshow("rectangle_ret", ret)
cv.waitKey(0)
cv.destroyAllWindows()

执行效果如下（还未进行人脸识别，所以不会框住人脸）：

 五、图片中的人脸检测（可检测多张脸）

        如何做到人脸检测？就是要获取人脸特征，并且实现人脸跟踪，这就需要用到第三方库了，通过OpenCv官网:Home - OpenCV 上下载OpenCv，选择你当前主机的版本即可，这里就不多说了，详细的解释都在注释里面

代码即详细注释如下：

import cv2 as cv
def face_check():
    # 灰度图片
    gray = cv.cvtColor(ret, cv.COLOR_BGR2GRAY)
    #加载特征数据，来自opencv中一个默认的扫描机制
    face_detector = cv.CascadeClassifier("D:/OpenCV/opencv/opencv/data/haarcascades/haarcascade_frontalface_alt2.xml")
    #检测
    faces = face_detector.detectMultiScale(gray)
    #针对人脸划分区域
    for x,y,w,h in faces:
        cv.rectangle(ret, (x, y), (x + w, y + h), color=(0, 255, 0), thickness=2)
    #检测完后进行显示
    cv.imshow("result", ret)
 
#加载图片
ret = cv.imread("jaychou.jpg")
#检测人脸
face_check()
cv.waitKey(0)
cv.destroyAllWindows()

执行效果如下：

 六、视频中的人脸检测（可检测多张脸）

        视频实际上就是由多个照片一直播放形成的，所以想要检测视频中的人脸，就要对视频中的每一帧进行人脸检测OpenCv中给出了一个函数VideoCapture()用来存储视频，返回视频对象，通过调用read()函数即可以获取视频的每一帧，最后在结合之前所用到的一系列操作即可~

视频人脸检测最后的成品代码以及详细注释：

import cv2 as cv
 
def face_check(ret):
    # 灰度图片
    gray = cv.cvtColor(ret, cv.COLOR_BGR2GRAY)
    #加载特征数据，来自opencv中一个默认的扫描机制
    face_detector = cv.CascadeClassifier("D:/OpenCV/opencv/opencv/data/haarcascades/haarcascade_frontalface_alt2.xml")
    #检测
    faces = face_detector.detectMultiScale(gray)
    #针对人脸划分区域
    for x,y,w,h in faces:
        cv.rectangle(ret, (x, y), (x + w, y + h), color=(0, 255, 0), thickness=2)
    #检测完后进行显示
    cv.imshow("result", ret)
 
#读取视频
cap = cv.VideoCapture("jaychou.mp4")
#读取视频上的图片，用循环读取每一张图片
while True:
    flag, frame = cap.read()
    #如果视频播放的末尾，就退出循环
    if not flag:
        break
    #如果视频没到末尾，就把每一张图片放入检测
    # 检测人脸
    face_check(frame)
    #如果输入"q"，就退出视频,这里每10毫秒播放一张图片
    if ord("q") == cv.waitKey(10):
        break
 
#后面两步都是释放内存空间
cv.destroyAllWindows()
cap.release

视频示例展示：

---