前言

学习opencv, 用网上找到的男女明星照骗试了下opencv的3种人脸识别机制, 似乎都不太行。

一、opencv 人脸识别函数

有3个识别器：

recognizer_eigenface = cv2.face.EigenFaceRecognizer_create()
recognizer_fisher = cv2.face.FisherFaceRecognizer_create()
recognizer_LBPH = cv2.face.LBPHFaceRecognizer_create()

使用方法是一样的，都要先准备好训练集来训练，训练后再预测
注意安装标准版的opencv-python是不行的，要安装opencv-contrib-python才行。

二、从素材准备到预测

下载图片
男女明星各一组，每组2人，每人各9张。图片找小冰要的，度娘也一样。
图片规整化
训练时要求图片尺寸统一，而下载来的图片大大小小，所以要统一到同一尺寸. 用简单粗暴的方法，查出所有图片的最小尺寸，然后将所有照片调到此尺寸。不能变形，不足的方向补黑边。

def unifyImg(strSource):#read all images and get the smallest sizex_min = 9999y_min = 9999img_Bingbing = list()img_file_list = os.listdir(strSource)for i in range(0,len(img_file_list)):strFileName = os.path.join(strSource,img_file_list[i]) if os.path.isfile(strFileName):img = cv2.imread(strFileName)if img is None:print('Failed when read file %s'%strFileName)continue# record sizeif img.shape[0] < y_min:y_min = img.shape[0]if img.shape[1] < x_min:x_min = img.shape[1]#store img and its nameimg_Bingbing.append([img,img_file_list[i]])#Resize images  frontFaceCascade = cv2.CascadeClassifier(r'.\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml')profileFaceCascade = cv2.CascadeClassifier(r'.\Lib\site-packages\cv2\data\haarcascade_profileface.xml')for i in range(0,len(img_Bingbing)):img = img_Bingbing[i][0]#check if face is identified in the imagefrontFaces = frontFaceCascade.detectMultiScale(img)profileFaces = profileFaceCascade.detectMultiScale(img)if len(frontFaces) == 0:if len(profileFaces) == 0:print("no face detected on img: %s, deleted."%img_Bingbing[i][1])continueelse:x = profileFaces[0][0]y = profileFaces[0][1]w = profileFaces[0][2]h = profileFaces[0][3]else:x = frontFaces[0][0]y = frontFaces[0][1]w = frontFaces[0][2]h = frontFaces[0][3]img_new = img[y:y+h,x:x+w]cv2.imwrite(strSource + "\\Face_only\\" + img_Bingbing[i][1],img_new)# 98% make sure the output image size is smaller than the min_x or min_yrate_x = x_min / img.shape[1] * 0.98rate_y = y_min / img.shape[0] * 0.98 rate = min(rate_x, rate_y)img_new = cv2.resize(img, None, fx = rate, fy = rate)if len(img_new.shape) == 2:# greyimg_template = np.zeros((y_min, x_min),np.uint8) else:img_template = np.zeros((y_min, x_min, 3),np.uint8) h = img_new.shape[0]w = img_new.shape[1]img_template[0:h,0:w] = img_newcv2.imwrite(strSource + "\\Unified\\" + img_Bingbing[i][1],img_template)strSource = r'C:\Waley\Personal\Learning\Python\Image\TryFaceIdentify'
unifyImg(strSource)

挑一部分统一好尺寸的图片整合进一个列表，用来训练

src = list()
lables = list()
# LiYiFeng
for i in range(0,6):img = cv2.imread(strSource + "\\unified\\LYF_" + str(i+1) + ".jpg",cv2.IMREAD_GRAYSCALE)if img is None:print("Fail to read images")sys.exit(0)else:src.append(img)lables.append(0)
#YiYangQianXi
for i in range(0,6):img = cv2.imread(strSource + "\\unified\\YYQX_" + str(i+1) + ".jpg",cv2.IMREAD_GRAYSCALE)if img is None:print("Fail to read images")sys.exit(0)else:src.append(img)lables.append(1)
names = {"0":"LiYiFeng","1":"YiYangQianXi"}#train recognizer
recognizer_eigenface.train(src,np.array(lables))
recognizer_fisher.train(src, np.array(lables))
recognizer_LBPH.train(src, np.array(lables))

识别

for i in range(7,10):img = cv2.imread(strSource + "\\unified\\LYF_" + str(i) + '.jpg',cv2.IMREAD_GRAYSCALE)print("LYF %d : "%i)lable, confidence = recognizer_eigenface.predict(img)print("predicted by Eigenface: %s, confidence is: %d"%(names[str(lable)],confidence))lable, confidence = recognizer_fisher.predict(img)print("predicted by Fisher: %s, confidence is: %d"%(names[str(lable)],confidence))lable, confidence = recognizer_LBPH.predict(img)print("predicted by LBPH: %s, confidence is: %d"%(names[str(lable)],confidence))print("\n\n")for i in range(7,10):img = cv2.imread(strSource + "\\unified\\YYQX_" + str(i) + '.jpg',cv2.IMREAD_GRAYSCALE)print("YYQX %d : "%i)lable, confidence = recognizer_eigenface.predict(img)print("predicted by Eigenface: %s, confidence is: %d"%(names[str(lable)],confidence))lable, confidence = recognizer_fisher.predict(img)print("predicted by Fisher: %s, confidence is: %d"%(names[str(lable)],confidence))lable, confidence = recognizer_LBPH.predict(img)print("predicted by LBPH: %s, confidence is: %d"%(names[str(lable)],confidence))

以上可以合并为一个函数，方便换人试验:

def trainAndPredict(strSource, strName1, strName2):# prepare training datasetsrc = list()lables = list()for i in range(0,6):img = cv2.imread(strSource + "\\unified\\" + strName1 + '_' + str(i+1) + ".jpg",cv2.IMREAD_GRAYSCALE)if img is None:print("Fail to read images")sys.exit(0)else:src.append(img)lables.append(0)for i in range(0,6):img = cv2.imread(strSource + "\\unified\\" + strName2 + '_' +  str(i+1) + ".jpg",cv2.IMREAD_GRAYSCALE)if img is None:print("Fail to read images")sys.exit(0)else:src.append(img)lables.append(1)              names = {"0":strName1,"1":strName2}#set up creatorrecognizer_eigenface = cv2.face.EigenFaceRecognizer_create()recognizer_fisher = cv2.face.FisherFaceRecognizer_create()recognizer_LBPH = cv2.face.LBPHFaceRecognizer_create()#train recognizerrecognizer_eigenface.train(src,np.array(lables))recognizer_fisher.train(src, np.array(lables))recognizer_LBPH.train(src, np.array(lables))for i in range(7,10):img = cv2.imread(strSource + "\\unified\\" + strName1 + '_' +  str(i) + '.jpg',cv2.IMREAD_GRAYSCALE)print("%s %d : "%(strName1,i))lable, confidence = recognizer_eigenface.predict(img)print("predicted by Eigenface: %s, confidence is: %d"%(names[str(lable)],confidence))lable, confidence = recognizer_fisher.predict(img)print("predicted by Fisher: %s, confidence is: %d"%(names[str(lable)],confidence))lable, confidence = recognizer_LBPH.predict(img)print("predicted by LBPH: %s, confidence is: %d"%(names[str(lable)],confidence))print("\n\n")for i in range(7,10):img = cv2.imread(strSource + "\\unified\\" + strName2 + '_' +  str(i) + '.jpg',cv2.IMREAD_GRAYSCALE)print("%s %d : "%(strName2,i))lable, confidence = recognizer_eigenface.predict(img)print("predicted by Eigenface: %s, confidence is: %d"%(names[str(lable)],confidence))lable, confidence = recognizer_fisher.predict(img)print("predicted by Fisher: %s, confidence is: %d"%(names[str(lable)],confidence))lable, confidence = recognizer_LBPH.predict(img)print("predicted by LBPH: %s, confidence is: %d"%(names[str(lable)],confidence))#strSource = r'C:\Waley\Personal\Learning\Python\Image\TryFaceIdentify'
#strName1 = 'LYF'
#strName2 = 'YYQX'strSource = r'C:\Waley\Personal\Learning\Python\Image\FaceIdentify'
strName1 = 'LiBingbing'
strName2 = 'YangMi'
trainAndPredict(strSource, strName1, strName2)

结果让人意外
对于两位男明星，简直没有任何识别率。

这两位明星都不太熟悉，会不会是网站也是AI标的，标错了呢？哈哈。

换了两位女明星试验，效果似乎还行：

三、意外的发现

发现这张图片opencv 检测不出来脸部，正面侧面都不行。等继续研究为什么。
发现这张图片opencv识别出来的脸部是错误的

识别出来的脸是肘部，

原因待进一步研究。

四、结论

将opencv 的人脸识别用于生产环境估计是不行的。下一步准备用同样的这些图片训练下TensorFlow试试

用opencv的人脸识别来分辨明星似乎不太灵光相关推荐

怎样使用OpenCV进行人脸识别
不断维护的地址:http://plzcoding.com/face-recognition-with-opencv/ 怎样使用OpenCV进行人脸识别本文大部分来自OpenCV官网上的Face Re ...
Java使用OpenCV实现人脸识别
通过OpenCV实现人脸识别,包括图片,视频,摄像头中人脸识别. 首先看一下效果(在网上随便找的一张图片): 下面开始说一下如何实现的: 第一步: 需要安装OpenCV 下载链接:https://o ...
python使用opencv实现人脸识别系统
1.首先安装过python环境,在这里就不过说检测是否安装成功如下,在cmd中输入Python 2.安装numpy 现在开始安装numpy,打开cmd,输入pip install nu ...
基于OpenCV实现人脸识别--Python
目录前言第一章 OpenCV介绍第二章功能描述 2.1 对已有的数据进行检测 2.2 陌生人检测并发出警告 2.3 保存陌生人的视频 2.4 输入图片进行检测 2.5 现场录用信息第三章功 ...
java调起本地摄像头，利用openCV进行人脸识别（一）
嗨咯,又好久没有更新了.今天写个前阵子做的人脸识别程序.该程序客户端基于Jave JFrame 客户端的主要作用是,调用电脑的摄像头(我的直接调用笔记本摄像头),然后回显摄像头录取的信息,再利用ope ...
python视频图片识别算法_python利用Opencv进行人脸识别（视频流+图片）
首先:需要在在自己本地安装opencv具体步骤可以问度娘如果从事于开发中的话建议用第三方的人脸识别(推荐阿里) 1.视频流中进行人脸识别 # -*- coding: utf-8 -*- import ...
opencv + face_recognition —— 人脸识别案例
文章目录 opencv + face_recognition -- 人脸识别案例 0. 版本信息 1. 导包 2. 识别图片中的面部 3. 实现摄像头中的面部追踪 4. 人脸追踪+识别,分析出不同的人 ...
树莓派与OpenCV实现人脸识别（OpenCV安装篇）
主要看了以下两位博客的文章完成的,也遇到了不少的坑,在这里一一填补说明. 链接: https://blog.csdn.net/weixin_42163073/article/details/10730 ...
使用OpenCV进行人脸识别的三种算法（官方网翻译）
怎样使用OpenCV进行人脸识别本文大部分来自OpenCV官网上的Face Reconition with OpenCV这节内容(http://docs.opencv.org/modules/con ...

用opencv的人脸识别来分辨明星似乎不太灵光

文章目录

前言

一、opencv 人脸识别函数

二、从素材准备到预测

三、意外的发现

四、结论

用opencv的人脸识别来分辨明星似乎不太灵光相关推荐

最新文章

热门文章