分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.csdn.net/jiangjunshow
也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！
下午的时候，配好了OpenCV的Python环境，OpenCV的Python环境搭建。于是迫不及待的想体验一下opencv的人脸识别，如下文。
必备知识
Haar-like
Haar-like百科释义。通俗的来讲，就是作为人脸特征即可。
Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。
opencv api
要想使用opencv，就必须先知道其能干什么，怎么做。于是API的重要性便体现出来了。就本例而言，使用到的函数很少，也就普通的读取图片，灰度转换，显示图像，简单的编辑图像罢了。
如下：
读取图片
只需要给出待操作的图片的路径即可。
import cv2image = cv2.imread(imagepath)
- 1
- 2
灰度转换
灰度转换的作用就是：转换成灰度的图片的计算强度得以降低。
import cv2gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
- 1
- 2
画图
opencv 的强大之处的一个体现就是其可以对图片进行任意编辑，处理。
下面的这个函数最后一个参数指定的就是画笔的大小。
import cv2cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)
- 1
- 2
显示图像
编辑完的图像要么直接的被显示出来，要么就保存到物理的存储介质。
import cv2cv2.imshow("Image Title",image)
- 1
- 2
获取人脸识别训练数据
看似复杂，其实就是对于人脸特征的一些描述，这样opencv在读取完数据后很据训练中的样品数据，就可以感知读取到的图片上的特征，进而对图片进行人脸识别。
import cv2face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')
- 1
- 2
- 3
里卖弄的这个xml文件，就是opencv在GitHub上共享出来的具有普适的训练好的数据。我们可以直接的拿来使用。
探测人脸
说白了，就是根据训练的数据来对新图片进行识别的过程。
import cv2# ···# 探测图片中的人脸faces = face_cascade.detectMultiScale( gray, scaleFactor = 1.15, minNeighbors = 5, minSize = (5,5), flags = cv2.cv.CV_HAAR_SCALE_IMAGE)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
我们可以随意的指定里面参数的值，来达到不同精度下的识别。返回值就是opencv对图片的探测结果的体现。
处理人脸探测的结果
结束了刚才的人脸探测，我们就可以拿到返回值来做进一步的处理了。但这也不是说会多么的复杂，无非添加点特征值罢了。
import cv2# ···print "发现{0}个人脸!".format(len(faces))for(x,y,w,h) in faces: cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
实例
有了刚才的基础，我们就可以完成一个简单的人脸识别的小例子了。
图片素材
下面的这张图片将作为我们的检测依据。
人脸检测代码
# coding:utf-8import sysreload(sys)sys.setdefaultencoding('utf8')# __author__ = '郭 璞'# __date__ = '2016/9/5'# __Desc__ = 人脸检测小例子，以圆圈圈出人脸import cv2# 待检测的图片路径imagepath = r'./heat.jpg'# 获取训练好的人脸的参数数据，这里直接从GitHub上使用默认值face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')# 读取图片image = cv2.imread(imagepath)gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)# 探测图片中的人脸faces = face_cascade.detectMultiScale( gray, scaleFactor = 1.15, minNeighbors = 5, minSize = (5,5), flags = cv2.cv.CV_HAAR_SCALE_IMAGE)print "发现{0}个人脸!".format(len(faces))for(x,y,w,h) in faces: # cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2) cv2.circle(image,((x+x+w)/2,(y+y+h)/2),w/2,(0,255,0),2)cv2.imshow("Find Faces!",image)cv2.waitKey(0)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
人脸检测结果
输出图片：
输出结果：
D:\Software\Python2\python.exe E:/Code/Python/DataStructor/opencv/Demo.py发现3个人脸!
- 1
- 2
- 3
详情见 案例参考
总结
回顾一下，这次的实验就是简单的对opencv的常用的api的使用，重点在于训练数据的使用和人脸探测的处理。
给我老师的人工智能教程打call！http://blog.csdn.net/jiangjunshow
