人脸识别

http://www.jianshu.com/p/d4a924c97416 1、利用OpenCV获取USB摄像头的视频流并展示出来

python学习，sys.argv[]的意思，表示命令行参数 ys.argv[]是用来获取命令行参数的，sys.argv[0]表示代码本身文件路径，所以参数从1开始 import sys,os os.system(sys.argv[1]) 1 #coding=utf-8 2 3 import cv2 4 import sys 5 from PIL import Image 6 7 def CatchUsbVideo(window_name, camera_idx): 8 cv2.namedWindow(window_name) 9 10 # 视频来源，可以来自一段已存好的视频，也可以是直接来自USB摄像头 11 cap = cv2.VideoCapture(camera_idx) 12 13 while cap.isOpened(): 14 ok, frame = cap.read() # 读取一帧数据 15 if not ok: 16 break 17 18 # 显示图像并等待10毫秒按键输入，输入“q”退出程序 19 cv2.imshow(window_name, frame) 20 key = cv2.waitKey(100) 21 if key & 0xFF == ord("q"): 22 break 23 24 # 释放摄像头并销毁所有窗口 25 cap.release() 26 cv2.destroyAllWindows() 27 28 if __name__ == "__main__": 29 if len(sys.argv) != 2: 30 print("Usage:%s camera_id\r\n" %(sys.argv[0])) 31 else: 32 CatchUsbVideo("截取视频流", int(sys.argv[1])) Shell控制台执行上述代码 python catch_usb_video.py 0 camera_id，这个就是USB摄像头的索引号，一般是0，如果0不行可以试试1、2等

2、实时视频流中识别出人脸区域

1 #coding=utf-8 2 3 import cv2 4 import sys 5 from PIL import Image 6 7 def CatchUsbVideo(window_name, camera_idx): 8 cv2.namedWindow(window_name) 9 10 # 视频来源，可以来自一段已存好的视频，也可以是直接来自USB摄像头 11 cap = cv2.VideoCapture(camera_idx) 12 13 # 告诉opencv使用人脸识别分类器 14 cascade_fn = "/usr/share/opencv/haarcascades/haarcascade_frontalface_default.xml" 15 classifier = cv2.CascadeClassifier(cascade_fn) 16 17 # 识别出人脸后要画出边框的颜色，RGB格式 18 color = (0, 255, 0) 19 20 while cap.isOpened(): 21 ok, frame = cap.read() 22 if not ok: 23 break 24 25 # 将当前帧转换成灰度图像 26 grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) 27 28 # 人脸检测，1.2和2分别为图片缩放比例和需要检测的有效点数 29 faceRects = classifier.detectMultiScale(grey, scaleFactor = 1.2, minNeighbors = 3, minSize = (32, 32)) 30 if len(faceRects) > 0: # 大于0则检测到人脸 31 for faceRect in faceRects: # 单独框出每一张人脸 32 x, y, w, h = faceRect 33 cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h +10), color, 2) 34 35 # 显示图像 36 cv2.imshow(window_name, frame) 37 key = cv2.waitKey(10) 38 if key & 0xFF == ord("q"): 39 break 40 41 # 释放摄像头并销毁窗口 42 cap.release() 43 cv2.destroyAllWindows() 44 45 if __name__ == "__main__": 46 if len(sys.argv) != 2: 47 print("Usage: %s camera_id \r\n" %(sys.argv[0])) 48 else: 49 CatchUsbVideo("face_detect", int(sys.argv[1]))

grey：要识别的图像数据（即使不转换成灰度也能识别，但是灰度图可以降低计算强度，因为检测的依据是哈尔特征，转换后每个点的RGB数据变成了一维的灰度，这样计算强度就减少很多） scaleFactor：图像缩放比例，可以理解为同一个物体与相机距离不同，其大小亦不同，必须将其缩放到一定大小才方便识别，该参数指定每次缩放的比例 minNeighbors：对特征检测点周边多少有效点同时检测，这样可避免因选取的特征检测点太小而导致遗漏 minSize：特征检测点的最小值 对同一个画面有可能出现多张人脸，因此，我们需要用一个for循环将所有检测到的人脸都读取出来，然后逐个用矩形框框出来，这就是接下来的for语句的作用。Opencv会给出每张人脸在图像中的起始坐标（左上角，x、y）以及长、宽（h、w），我们据此就可以截取出人脸。其中，cv2.rectangle()完成画框的工作，在这里我有意识的外扩了10个像素以框出比人脸稍大一点的区域。cv2.rectangle()函数的最后两个参数一个用于指定矩形边框的颜色，一个用于指定矩形边框线条的粗细程度。

3、利用opencv拍照收集人脸数据 日本程序员提供的源码利用了keras这个深度学习库来训练自己的人脸识别模型。keras是一个上层的神经网络学习库，纯python编写，被集成进了Tensorflow和Theano这样的深度学习框架。其存在的目的就是简化开发复杂度，能够让你迅速出产品，更关键的是，keras有中文文档；），有兴趣的请点这里：http://keras-cn.readthedocs.io/en/latest/

1 #coding=utf-8 2 3 import cv2 4 import sys 5 from PIL import Image 6 7 def CatchPICFromVideo(window_name, camera_idx, catch_pic_num, path_name): 8 cv2.namedWindow(window_name) 9 10 #视频来源，可以来自一段已存好的视频，也可以直接来自USB摄像头 11 cap = cv2.VideoCapture(camera_idx) 12 13 #告诉OpenCV使用人脸识别分类器 14 cascade_fn = "/usr/share/opencv/haarcascades/haarcascade_frontalface_default.xml" 15 classfier = cv2.CascadeClassifier(cascade_fn) 16 17 #识别出人脸后要画的边框的颜色，RGB格式 18 color = (0, 255, 0) 19 20 num = 0 21 while cap.isOpened(): 22 ok, frame = cap.read() #读取一帧数据 23 if not ok: 24 break 25 26 grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) #将当前桢图像转换成灰度图像 27 28 #人脸检测，1.2和2分别为图片缩放比例和需要检测的有效点数 29 faceRects = classfier.detectMultiScale(grey, scaleFactor = 1.2, minNeighbors = 3, minSize = (32, 32)) 30 if len(faceRects) > 0: #大于0则检测到人脸 31 for faceRect in faceRects: #单独框出每一张人脸 32 x, y, w, h = faceRect 33 34 #将当前帧保存为图片 35 img_name = '%s/%d.jpg'%(path_name, num) 36 image = frame[y - 10: y + h + 10, x - 10: x + w + 10] 37 cv2.imwrite(img_name, image) 38 39 num += 1 40 if num > (catch_pic_num): #如果超过指定最大保存数量退出循环 41 break 42 43 #画出矩形框 44 cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2) 45 46 #显示当前捕捉到了多少人脸图片了，这样站在那里被拍摄时心里有个数，不用两眼一抹黑傻等着 47 font = cv2.FONT_HERSHEY_SIMPLEX 48 cv2.putText(frame,'num:%d' % (num),(x + 30, y + 30), font, 1, (255,0,255),4) 49 50 #超过指定最大保存数量结束程序 51 if num > (catch_pic_num): break 52 53 #显示图像 54 cv2.imshow(window_name, frame) 55 key = cv2.waitKey(10) 56 if key & 0xFF == ord('q'): 57 break 58 59 #释放摄像头并销毁所有窗口 60 cap.release() 61 cv2.destroyAllWindows() 62 63 if __name__ == '__main__': 64 if len(sys.argv) != 4: 65 print("Usage:%s camera_id face_num_max path_name\r\n" % (sys.argv[0])) 66 else: 67 CatchPICFromVideo("截取人脸", int(sys.argv[1]), int(sys.argv[2]), sys.argv[3])

4、模型训练 CNN（Convolutional Neural Network）——卷积神经网络，人工神经网络（Neural Network，NN）的一种，其它还有RNN、DNN等类型，而CNN就是利用卷积进行滤波的神经网络。 第一步： 加载数据到内存

参考备注： http://www.cnblogs.com/neo-T/p/6426029.html https://zhuanlan.zhihu.com/p/25249694