用25行Python代碼實現人臉識別，真牛逼

在本文中，我們將看到一種使用Python和開放源碼庫開始人臉識別的非常簡單的方法。

OpenCV

OpenCV是最流行的計算機視覺庫。最初是用C/C++編寫的，現在它提供了Python的API。

OpenCV使用機器學習算法來搜索圖片中的面孔。因為臉是如此複雜，沒有一個簡單的測試可以告訴你它是否找到了一張臉。相反，有成千上萬的小模式和特徵必須匹配。這些算法將識別人臉的任務分解為數千個較小的、適合大小的任務，每個任務都很容易解決。這些任務也稱為分類器.

這裡要注意：不管你是剛學Python還是想找python高薪工作，記住：項目開發經驗永遠是核心，如果你沒有python入門到高級實戰視頻教程，可以關注我，後臺私信我 ‘py’ 自動獲取最新python教程資料！還有老司機解答哦！

對於臉像這樣的東西，可能有6000個或更多的分類器，所有這些都必須匹配才能檢測到人臉(當然，在錯誤限制範圍內)。但問題就在這裡：對於人臉檢測，算法從圖片的左上角開始，向下移動到小塊數據中，查看每個塊，不斷地問：“這是一張臉嗎？…這是張臉嗎？…這是張臉嗎？“由於每個塊有6000或更多的測試，您可能需要進行數百萬的計算，這將使您的計算機陷入癱瘓。

為了避免這種情況，OpenCV使用級聯。

就像一系列瀑布一樣，OpenCV級聯將人臉檢測問題分解為多個階段。對於每個塊，它做了一個非常粗糙和快速的測試。如果通過，它會進行稍微詳細的測試，依此類推。該算法可能有30到50個這樣的階段或級聯，只有當所有階段都通過時，它才能檢測到一張臉。

它的優點是，大多數圖片在最初的幾個階段會返回一個負值，這意味著算法不會浪費時間來測試它上的所有6000個特性。現在可以實時進行人臉檢測，不用花上幾個小時。

實踐中的級聯

雖然這個理論聽起來很複雜，但在實踐中卻相當容易。級聯本身只是一堆XML文件，其中包含用於檢測對象的OpenCV數據。你用你想要的級聯初始化你的代碼，然後它為你做工作。

由於人臉檢測是如此常見的情況，OpenCV附帶了許多內置的級聯，用於檢測從臉到眼睛、手到腿的所有東西。對於非人類的事物，甚至還有級聯。例如，如果你經營一家香蕉店，想追蹤偷香蕉的人，為此造了一個！

安裝OpenCV

首先，您需要找到正確的安裝文件你的操作系統.

我發現安裝OpenCV是這項任務中最困難的部分。如果出現奇怪的無法解釋的錯誤，可能是由於庫衝突、32/64位差異等原因造成的。我發現只使用Linux虛擬機並從頭安裝OpenCV是最簡單的。

安裝完成後，可以通過觸發Python會話並鍵入：

<code>
import
 cv2>>>/<code>

>>>

如果你沒有任何錯誤，你可以繼續下一部分。

理解方法

讓我們來分析一下實際的代碼，可以從這網站https://github.com/shantnu/FaceDetect/下載這些代碼。獲取face_detect.py腳本、abba.png pic和haarcascade_frontalface_default.xml

<code>/<code>

首先將圖像和串級名稱作為命令行參數傳遞。我們將使用ABBA圖像以及默認級聯來檢測OpenCV提供的面孔。

<code>/<code>

現在我們創建這個級聯並用我們的臉級聯初始化它。這會將臉級聯加載到內存中，這樣就可以使用了。記住，級聯只是一個XML文件，它包含用於檢測面孔的數據。

<code>/<code>

在這裡，我們讀取圖像並將其轉換為灰度。OpenCV中的許多操作都是以灰度形式完成的。

<code>/<code>

這個函數檢測實際的外觀，是代碼的關鍵部分，所以讓我們來看看下面的選項：

1. 這個detectMultiScale功能是一個檢測對象的通用函數。因為我們叫它在面部級聯，這就是它檢測到的。
2. 第一個選項是灰度圖像。
3. 第二個是scaleFactor...因為有些臉可能離攝像機更近，所以看起來比後面的臉要大。比例因子對此進行補償。
4. 該檢測算法使用移動窗口檢測物體。minNeighbors定義在當前對象聲明找到的臉之前，在當前對象附近檢測到多少個對象。minSize同時，給出每個窗口的大小。

注：我取了這些字段常用的值。在現實生活中，您將嘗試不同的窗口大小、比例因子等值，直到找到最適合您的值為止。

該函數返回一個矩形列表，其中它認為它找到了一張臉。接下來，我們將循環到它認為它發現了什麼東西的地方。

<code>
print
 
"Found {0} faces!"
.format(len(faces))
/<code>

此函數返回4個值：x和y矩形的位置，以及矩形的寬度和高度(w , h).

使用這些值繪製一個矩形。rectangle()功能。

<code>
cv2
.imshow
(
"Faces found"
, image)
cv2
.waitKey
(
0
)/<code>

最後，我們顯示圖像，等待用戶按下鍵。

檢查結果

讓我們根據ABBA的照片進行測試：

<code>$ python face_detect.py abba.png haarcascade_frontalface_default.xml/<code>

​

這起作用了。再來一張照片怎麼樣：

​

那個…不是一張臉。我們再試一次。我更改了參數，發現設置scaleFactor把錯誤的臉去掉了。

What？

第一張照片是用高質量的相機拍的。第二個似乎是從遠處拿來的，可能是用手機拍的。這就是為什麼scaleFactor必須修改。正如我說過的，你必須在逐個案例的基礎上設置算法，以避免誤報。

但是，由於這是基於機器學習，結果永遠不會是100%的準確性。在大多數情況下，您將獲得足夠好的結果，但有時算法會將不正確的對象識別為Faces。最後注意：不管你是剛學Python還是想找python高薪工作，記住：項目開發經驗永遠是核心，如果你沒有python入門到高級實戰視頻教程，可以關注我，後臺私信我 ‘py’ 自動獲取最新python教程資料！還有老司機解答哦！

本文的文字及圖片來源於網絡加上自己的想法,僅供學習、交流使用,不具有任何商業用途,版權歸原作者所有,如有問題請及時聯繫我們以作處理。