基于OpenCv实现的人脸识别(附Python完整代码)

下面是详细的基于OpenCV实现的人脸识别攻略。

1. OpenCV介绍

OpenCV(Open Source Computer Vision Library)是一个开源计算机视觉库，可以用于处理图像和视频等视觉任务。它可以在各种编程语言中进行使用，如C++、Python等，并且可以在Windows、Linux、Mac OS等多种操作系统中运行。

2. 环境搭建

在开始之前，我们需要搭建OpenCV的Python环境。首先安装OpenCV，可以使用以下命令安装：

pip install opencv-python

安装完成之后，我们还需要安装其他的库，比如numpy库：

pip install numpy

3. 人脸识别示例

3.1 示例1：识别图片中的人脸

以下是一个简单的示例代码，用于在图片中识别人脸：

import cv2

# 加载图片并设置分类器
img = cv2.imread('face.jpg')
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

# 将图片转换为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 检测人脸
faces = face_cascade.detectMultiScale(gray, 1.3, 5)

# 绘制矩形框识别人脸
for (x,y,w,h) in faces:
    cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)

# 显示识别后的图片
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例代码中，我们需要将一个名为face.jpg的图片和一个名为haarcascade_frontalface_default.xml的分类器放在同一目录下，然后运行代码即可识别出图片中的人脸，并在人脸周围绘制矩形框。

3.2 示例2：识别视频中的人脸

以下是一个简单的示例代码，用于在视频中识别人脸：

import cv2

# 设置分类器
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

# 加载视频
cap = cv2.VideoCapture(0)

# 逐帧识别人脸
while(True):
    # 读取一帧视频
    ret, frame = cap.read()

    # 将帧转换为灰度图
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 检测人脸
    faces = face_cascade.detectMultiScale(gray, 1.3, 5)

    # 绘制矩形框识别人脸
    for (x,y,w,h) in faces:
        cv2.rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2)

    # 显示识别后的视频
    cv2.imshow('frame',frame)

    # 按q键退出程序
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放视频资源
cap.release()
cv2.destroyAllWindows()

在这个示例代码中，我们需要将一个名为haarcascade_frontalface_default.xml的分类器放在同一目录下，然后运行代码即可打开摄像头并实时识别视频中的人脸，同样会在人脸周围绘制矩形框。

总结

以上就是基于OpenCV实现的人脸识别完整攻略，并且还提供了两个示例进行说明。在实际应用中，可以结合其他的机器学习算法，例如SVM、神经网络等，来实现更加高效和准确的人脸识别任务。