opencv庫幾個內置函數(shù)的功能和使用

本次分享的是一個可以用于畢業(yè)設計參考的人臉識別項目，由FJNUThomas分享。如果有做人臉識別畢設的同學，可以在此基礎上，做更深入的研究，源碼下載方式見文末。下面是設計步驟： 硬件及環(huán)境：

樹莓派3B V1.2

攝像頭羅技C170

樹莓派系統(tǒng)：bullseye

python 3.9.2

opencv-python 4.5.3.56

opencv-contrib-python 4.5.3.56

numpy 1.21.0

關于樹莓派安裝opencv的步驟，可以參考下面這篇博文：

https://blog.csdn.net/m0_46190150/article/details/121501093

人臉檢測

我們實現(xiàn)人臉識別的前提事件是人臉檢測，只有檢測到人臉，才能夠收集到人臉的數(shù)據(jù)。我們用的是opencv自帶的分類器：

haarcascade_frontalface_default.xml

importcv2faceCascade = cv2.CascadeClassifier('Cascades/haarcascade_frontalface_default.xml')cap=cv2.VideoCapture(0)        cap.set(3, 640)  # set Weightcap.set(4,480)#setHeight        while True:            ret, img = cap.read()            img = cv2.flip(img, 1) #如果攝像頭倒置，將1改成-1            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)            faces = faceCascade.detectMultiScale(gray,                scaleFactor=1.2,minNeighbors=5,                minSize=(20, 20)                )
            for (x, y, w, h) in faces:                cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)                roi_gray = gray[y:y + h, x:x + w]roi_color=img[y:y+h,x:x+w]
            cv2.imshow('video', img)
            k = cv2.waitKey(30) & 0xff            if k == 27:  # Esc for quit                break        cap.release()        cv2.destroyAllWindows()

圖像采集

人臉識別的本質其實就是構建一個人臉信息的數(shù)據(jù)庫，電腦比對攝像頭采集到的人臉信息和數(shù)據(jù)庫中存放的數(shù)據(jù)，從而得到一個比對的結果。 圖像采集需要我們在.py文件同目錄下新建一個文件夾，用于存放采集得到的圖片。

mkdir data

k = cv2.waitKey(200) & 0xff  # ESC退出and每0.2s拍一張            if k == 27:                break            elif count >= 40:  # 拍40張照片                break

開始訓練

訓練是opencv人臉識別的重中之重。opencv為我們提供了多個內置函數(shù)，調用這些函數(shù)能夠幫助我們訓練得到自己的訓練集這邊我采用的是：

 recognizer.train（）

mkdir trainer

recognizer.write('trainer/trainer.yml')

人臉識別

通過了前三個步驟，我們已經(jīng)有了一個在data文件夾中保存采集到的圖像、在trainer文件夾中保存自己訓練的trainer.xml模型的文件了，我們就進入到了最后一步，也就是傳說中的人臉識別了。人臉識別實例： 可以看到，系統(tǒng)識別出我有73%的概率是彭于晏，識別的成功率還是很高的、關于輸出名字的問題，在代碼的這個部分：

  id = 0  names = ['None', 'pengyuyan', 'xsy', 'rhy']

id,confidence=recognizer.predict(gray[y:y+h,x:x+w])#判斷成功概率>45時，輸出id,否則輸出unknowif(confidence
 用于修改自己想要的判斷概率。 到這里我們的人臉識別就基本完成了。

	

	總結

	通過本項目，可以獲得以下技能：

	學會樹莓派的配置，并在樹莓派上配置了環(huán)境

	對opencv庫有了個基本的了解，熟悉幾個內置函數(shù)的功能和使用

	對Linux有了更深刻的理解

	增加了python能力

	不足之處： 在調試的過程中，發(fā)現(xiàn)在樹莓派上運行項目還是有比較明顯的卡頓的，因此有對代碼進行優(yōu)化的想法，查閱資料以后了解到了有一個東西叫做pypy，嘗試過用pypy對文件進行編碼，奈何寫的代碼是基于python3.9，和當前的pypy版本不太匹配，只好暫時作罷。在之后應該會嘗試進行一次重新編譯，感興趣的同學可以嘗試看看。

	

	   審核編輯：彭靜