Python基于Opencv来快速实现人脸识别过程详解（完整版）-创新互联

前言

成都创新互联公司服务项目包括昆都仑网站建设、昆都仑网站制作、昆都仑网页制作以及昆都仑网络营销策划等。多年来，我们专注于互联网行业，利用自身积累的技术优势、行业经验、深度合作伙伴关系等，向广大中小型企业、政府机构等提供互联网行业的解决方案，昆都仑网站推广取得了明显的社会效益与经济效益。目前，我们服务的客户以成都为中心已经辐射到昆都仑省份的部分城市，未来相信会继续扩大服务区域并继续获得客户的支持与信任！

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

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]

分享名称：Python基于Opencv来快速实现人脸识别过程详解（完整版）-创新互联
网站URL：http://cdxtjz.cn/article/dciedg.html