怎么用Python實現人臉識別功能

本篇內容介紹了“怎么用Python實現人臉識別功能”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

隨著去年alphago 的震撼表現，AI 再次成為科技公司的寵兒。AI涉及的領域眾多，圖像識別中的人臉識別是其中一個有趣的分支。百度的BFR，Face++的開放平臺，漢王，訊飛等等都提供了人臉識別的API，對于老碼農而言，自己寫一小段代碼，來看看一張圖片中有幾個人，沒有高大上，只是覺得好玩，而且只需要7行代碼。

import cv2

face_patterns = cv2.CascadeClassifier('/usr/local/opt/opencv3/share/OpenCV/haarcascades/haarcascade_frontalface_default.xml')

sample_image = cv2.imread('/Users/abel/201612.jpg')

faces = face_patterns.detectMultiScale(sample_image,scaleFactor=1.1,minNeighbors=5,minSize=(100, 100))

for (x, y, w, h) in faces:
    cv2.rectangle(sample_image, (x, y), (x+w, y+h), (0, 255, 0), 2)

cv2.imwrite('/Users/abel/201612_detected.png', sample_image);

第1行 引入 OpenCV

開源是偉大的，使我們視野更開闊，而且不用重復造輪子。這里沒有用PIL，再結合特定算法，而是直接使用了OpenCV(http://opencv.org)。OpenCV是一個基于BSD許可發行的跨平臺計算機視覺庫，可以運行在Linux、Windows和Mac OS操作系統上，輕量而且高效，用C／C++編寫，同時提供了Python、Ruby、MATLAB等接口，實現了圖像處理和計算機視覺方面的很多通用算法。

第2行 加載分類器 cv2.CascadeClassifier

CascadeClassifier是Opencv中做人臉檢測時候的一個級聯分類器，該類中封裝的是目標檢測機制即滑動窗口機制+級聯分類器的方式。數據結構包括Data和FeatureEvaluator兩個主要部分。Data中存儲的是從訓練獲得的xml文件中載入的分類器數據；而FeatureEvaluator中是關于特征的載入、存儲和計算。這里采用的訓練文件是OpenCV中默認提供的haarcascadefrontalfacedefault.xml。至于Haar，LBP的具體原理，可以參考opencv的相關文檔，簡單地，可以理解為人臉的特征數據。

第3行 加載目標圖片 imread

人臉識別系統一般分為：人臉圖像采集、人臉圖像預處理、人臉圖像特征提取以及匹配與識別。 簡化起見，之間讀入圖片，這是一張去年中生代北京閉門會的集體照。

第4行 多尺度檢測 detectMultiScale

調用 CascadeClassifier 中的調detectMultiScale函數進行多尺度檢測，多尺度檢測中會調用單尺度的方法detectSingleScale。 參數說明：

• scaleFactor 是 圖像的縮放因子

• minNeighbors 為每一個級聯矩形應該保留的鄰近個數，可以理解為一個人周邊有幾個人臉

• minSize 是檢測窗口的大小

這些參數都是可以針對圖片進行調整的，處理結果返回一個人臉的矩形對象列表。

第5行 和 第6行 為每個人臉畫一個框

循環讀取人臉的矩形對象列表，獲得人臉矩形的坐標和寬高， 然后在原圖片中畫出該矩形框，調用的是OpenCV的rectangle 方法，其中矩形框的顏色等是可調整的。

第7行 保存檢測后的結果

萬事具備了，調用imwrite，將檢測后的結果保存到指定的位置。結果圖如下： 

神秘感不是這7行代碼，而是OpenCV中的相關實現，OpenCV的中文網也是一個學習體會的好場所。

因此，7行代碼只是個噱頭，真正的核心是OpenCV。然后，安裝OpenCV環境的時候就是有一些坑，特別記錄一下。

基于Mac的OpenCV環境

建議使用Brew 安裝，如果沒有安裝brew，先執行下面命令：

$/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)”

然后，指定目標倉庫 $brew tap homebrew/science

安裝OpenCV3  $brew install opencv3

安裝速度取決于網絡，安裝完畢需要綁定Python開發環境，有多種土方法：

1）增加環境變量，將opencv 的site-packages 添加到PYTHONPATH中

2）使用ln 軟連接，將cv2.so 鏈接到python 環境的 site-packages中

3）直接cp cv2.so 到 python 環境的 site-packages 目錄下

更簡單地是執行如下命令：

  echo /usr/local/opt/opencv3/lib/python2.7/site-packages >> /usr/local/lib/python2.7/site-packages/opencv3.pth
  mkdir -p /Users/hecom/.local/lib/python2.7/site-packages
  echo 'import site; site.addsitedir("/usr/local/lib/python2.7/site-packages")' >> /Users/hecom/.local/lib/python2.7/site-packages/homebrew.pth

對于強迫癥患者

可以全面安裝opencv的各種插件，如QT插件，視頻插件等：

$brew install opencv3 --with-contrib --with-cuda --with-ffmpeg --with-tbb --with-qt5

可能會遇到很多坑，如Error: You must ‘brew link texi2html’ before homebrew/science/opencv3 can be installed

當你執行 $brew link texi2html時又會遇錯：Error: Cowardly refusing to 'sudo brew link' You can use brew with sudo, but only if the brew executable is owned by root. However, this is both not recommended and completely unsupported so do so atyour own risk

說明brew 的權限有問題， 需要解決：$sudo chown root:wheel ‘which brew’

在Ubuntu上OpenCV3的源碼安裝

在Ubantu上安裝先要做一下準備活動

$ aptitude -f install
$ sudo apt-get update

然后安裝編譯環境： $sudo apt-get install build-essential

安裝依賴庫$sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev還要安裝python 依賴及其它依賴庫$sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

獲得opencv源代碼git clone https://github.com/Itseez/opencv.git

終于可以編譯安裝了：

$cd opencv
$cmake -D CMAKE_INSTALL_PREFIX=/home/opencv/build -D CMAKE_BUILD_TYPE=RELEASE   ..

最后，安裝python－opencv：

$sudo apt-get install python-opencv

OpenCV的Python環境簡單驗證

一行代碼驗證OpenCV的Python環境是否成功：

$python -c "import cv2; print dir(cv2)"

如果輸出了很多cv2 的屬性和函數名的字典，就表示成功；否則的話，還需要繼續填坑。

“怎么用Python實現人臉識別功能”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！