人脸识别 2019-07-22 15:25:49 17 0 0

OpenCV添加文字的方法putText(...)，添加英文是没有问题的，但如果你要添加中文就会出现“？？？”的乱码，需要特殊处理一下。

下文提供封装好的（代码）方法，供OpenCV添加中文使用。

往期目录

视频人脸检测——Dlib版（六）
OpenCV添加中文（五）
图片人脸检测——Dlib版（四）
视频人脸检测——OpenCV版（三）
图片人脸检测——OpenCV版（二）
OpenCV环境搭建（一）
更多更新，欢迎访问github：https://github.com/vipstone/faceai

效果预览

实现思路

使用PIL的图片绘制添加中文，可以指定字体文件，那么也就是说使用PIL可以实现中文的输出。

有思路之后，接下来的工作就简单了。

OpenCV图片格式转换成PIL的图片格式；
使用PIL绘制文字；
PIL图片格式转换成OpenCV的图片格式；

代码分解

OpenCV图片转换为PIL图片格式

img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))

使用PIL绘制文字

draw = ImageDraw.Draw(img)
fontText = ImageFont.truetype("font/simsun.ttc", textSize, encoding="utf-8")
draw.text((left, top), "文字内容", textColor, font=fontText)

字体文件为：simsun.ttc，Windows可以在C:\Windows\Fonts下面查找。

PIL图片格式转换成OpenCV的图片格式

cv2.cvtColor(numpy.asarray(img), cv2.COLOR_RGB2BGR)

完整代码

封装好的完整方法

#coding=utf-8
#中文乱码处理

import cv2
import numpy
from PIL import Image, ImageDraw, ImageFont

def cv2ImgAddText(img, text, left, top, textColor=(0, 255, 0), textSize=20):
    if (isinstance(img, numpy.ndarray)):  #判断是否OpenCV图片类型
        img = Image.fr

更多

视频人脸检测——OpenCV版（三）

人脸识别 2019-07-22 15:12:43 13 0 0

往期目录

视频人脸检测——Dlib版（六）
OpenCV添加中文（五）
图片人脸检测——Dlib版（四）
视频人脸检测——OpenCV版（三）
图片人脸检测——OpenCV版（二）
OpenCV环境搭建（一）
更多更新，欢迎访问github：https://github.com/vipstone/faceai

实现思路：

调用电脑的摄像头，把摄像的信息逐帧分解成图片，基于图片检测标识出人脸的位置，把处理的图片逐帧绘制给用户，用户看到的效果就是视频的人脸检测。

效果预览：

实现步骤

使用OpenCV调用摄像头并展示

获取摄像头：

1	`cap` `=` `cv2.VideoCapture(0)`

参数0表示，获取第一个摄像头。

显示摄像头逐帧显示，代码如下：

while (1):
    ret, img = cap.read()
    cv2.imshow("Image", img)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()  # 释放摄像头
cv2.destroyAllWindows()  # 释放窗口资源

cv2.waitKey(1) & 0xFF使用了“&”位元算法，含义是获取用户输入的最后一个字符的ASCII码，如果输入的是“q”，则跳出循环。

视频的人脸识别

这个时候，用到了上一节的《图片人脸检测——OpenCV版（二）》把人脸识别的代码封装成方法，代码如下：

def discern(img):
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    cap = cv2.CascadeClassifier(
        "C:\Python36\Lib\site-packages\opencv-master\data\haarcascades\haarcascade_frontalface_default.xml"
    )
    faceRects = cap.detectMultiScale(
        gray, scaleFactor=1.2, minNeighbors=3, minSize=(50, 50))
    if len(faceRects):
        for faceRect in faceRects

更多

OpenCV环境搭建（一）

人脸识别 2019-07-22 15:11:06 20 0 0

此环境搭建是OpenCV的python（一下简称py）开发环境搭建，建立在py3的环境和语法上实现的。

windows系统搭建

系统环境：windows 10 + python 3.6 + OpenCV 3.4.1

一、安装python

python的安装之前在python自学笔记的项目中描述了，在这不做重复说明，有需要的朋友，点击查看：python环境安装

二、安装numpy模块

根据上文提示，现在我们已经正确安装了python和pip（安装和管理python包的工具），在正式安装OpenCV之前，首先我们要安装numpy模块。 numpy：是一个定义了数值数组和矩阵类型和它们的基本运算的语言扩展，OpenCV引用了numpy模块，所以安装OpenCV之前必须安装numpy。

本文安装python模块使用的是.whl文件安装的。

whl文件是什么？

whl是一个python的压缩包，其中包含了py文件以及经过编译的pyd文件。

whl安装命令

pip install 存放路径\xxx.whl

回到主题，我们是要安装numpy模块的。

首先去网站下载对应的numpy版本，下载地址：https://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy 本人是64为系统python3.6所以对应的最新版本是：numpy‑1.14.2+mkl‑cp36‑cp36m‑win_amd64.whl，点击下载到D:根目录。

第2步，启动命令窗体运行

pip install d:\numpy‑1.14.2+mkl‑cp36‑cp36m‑win_amd64.whl

命令窗体显示：

Processing d:\numpy-1.14.2+mkl-cp36-cp36m-win_amd64.whl

Installing collected packages: numpy

Successfully installed numpy-1.14.2+mkl

说明已经安装成功。

三、安装OpenCV

同样安装OpenCV模块和numpy方式类似，实现去网站下载OpenCV对于的.whl版本压缩包，网址：https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv 本人下载的版本是：opencv_python‑3.4.1‑cp36‑cp36m‑win_amd64.whl 64位

更多

视频人脸检测——Dlib版（六）

人脸识别 2019-07-22 15:08:39 13 0 0

前言

Dlib的人脸识别要比OpenCV精准很多，一个是模型方面的差距，在一方面和OpenCV的定位有关系，OpenCV是一个综合性的视觉处理库，既然这么精准，那就一起赶快来看吧。

视频人脸检测是图片识别的高级版本，图片检测详情点击查看我的上一篇《图片人脸检测——Dlib版（四）》

除了人脸识别用的是Dlib外，还是用OpenCV读取摄像头和处理图片（转为灰色），所以给出相关的文档，方便理解。

往期目录

视频人脸检测——Dlib版（六）
OpenCV添加中文（五）
图片人脸检测——Dlib版（四）
视频人脸检测——OpenCV版（三）
图片人脸检测——OpenCV版（二）
OpenCV环境搭建（一）
更多更新，欢迎访问github：https://github.com/vipstone/faceai

效果预览

技术实现

有了OpenCV的视频人脸检测，Dlib也大致相同除了视频识别器模型的声明和使用不同，具体的细节请参考，视频人脸检测——OpenCV版（三）那篇已经讲的很细致了，在这就不具体叙述了。

完整的代码如下：

# coding=utf-8
import cv2
import dlib

detector = dlib.get_frontal_face_detector()  #使用默认的人类识别器模型


def discern(img):
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    dets = detector(gray, 1)
    for face in dets:
        left = face.left()
        top = face.top()
        right = face.right()
        bottom = face.bottom()
        cv2.rectangle(img, (left, top), (right, bottom), (0, 255, 0), 2)
        cv2.imshow("image", img)


cap = cv2.VideoCapture(0)
while (1):
    ret, img = cap.read()
    discern(img)
    if cv2.waitKey(1) & 0xFF ==

更多

图片人脸检测——OpenCV版（二）

人脸识别 2019-07-22 15:06:56 10 0 0

往期目录

视频人脸检测——Dlib版（六）
OpenCV添加中文（五）
图片人脸检测——Dlib版（四）
视频人脸检测——OpenCV版（三）
图片人脸检测——OpenCV版（二）
OpenCV环境搭建（一）
更多更新，欢迎访问github：https://github.com/vipstone/faceai

功能展示

识别一种图上的所有人的脸，并且标出人脸的位置，画出人眼以及嘴的位置，展示效果图如下：

多张脸识别效果图：

技术实现思路

图片转换成灰色（去除色彩干扰，让图片识别更准确）

图片上画矩形

使用训练分类器查找人脸

具体实现代码

图片转换成灰色

使用OpenCV的cvtColor()转换图片颜色，代码如下：

import cv2
 
filepath = "img/xingye-1.jpg"
img = cv2.imread(filepath)
# 转换灰色
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 显示图像
cv2.imshow("Image", gray)
cv2.waitKey(0)
cv2.destroyAllWindows()

图片上画矩形

使用OpenCV的rectangle()绘制矩形，代码如下：

import cv2
 
filepath = "img/xingye-1.jpg"
img = cv2.imread(filepath)  # 读取图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转换灰色
x = y = 10  # 坐标
w = 100  # 矩形大小（宽、高）
color = (0, 0, 255)  # 定义绘制颜色
cv2.rectangle(img, (x, y), (x + w, y + w), color, 1)  # 绘制矩形
cv2.imshow("Image", img)  # 显示图像
cv2.waitKey(0)
cv2.destroyAllWindows()  # 释放所有的窗体资源

使用训练分类器查找人脸

在使用OpenCV的人脸检测之前，需要一个人脸训练模型，格式是xml的，我们这里使用OpenCV提供好的人脸分类模型xml，下载地址：https://github.com/opencv/opencv/tree/master/da

更多

图片人脸检测——Dlib版（四）

人脸识别 2019-07-22 15:05:17 11 0 0

往期目录

视频人脸检测——Dlib版（六）
OpenCV添加中文（五）
图片人脸检测——Dlib版（四）
视频人脸检测——OpenCV版（三）
图片人脸检测——OpenCV版（二）
OpenCV环境搭建（一）
更多更新，欢迎访问github：https://github.com/vipstone/faceai

dlib与OpenCV对比

识别精准度：Dlib >= OpenCV

Dlib更多的人脸识别模型，可以检测脸部68甚至更多的特征点

效果展示

人脸的68个特征点

安装dlib

下载地址：https://pypi.org/simple/dlib/ 选择适合你的版本，本人配置：

Window 10 + Python 3.6.4

我现在的版本是：dlib-19.8.1-cp36-cp36m-win_amd64.whl

使用命令安装：

pip3 install D:\soft\py\dlib-19.8.1-cp36-cp36m-win_amd64.whl

显示结果： Processing d:\soft\py\dlib-19.8.1-cp36-cp36m-win_amd64.whl Installing collected packages: dlib Successfully installed dlib-19.8.1

为安装成功。

下载训练模型

训练模型用于是人脸识别的关键，用于查找图片的关键点。

下载地址：http://dlib.net/files/

下载文件：shape_predictor_68_face_landmarks.dat.bz2

当然你也可以训练自己的人脸关键点模型，这个功能会放在后面讲。

下载好的模型文件，我的存放地址是：C:\Python36\Lib\site-packages\dlib-data\shape_predictor_68_face_landmarks.dat.bz2

解压：shape_predictor_68_face_landmarks.dat.bz2得到文件：shape_predictor_68_face_landmarks.dat

代码实现

#coding=utf-8
 
import cv2
import dlib
 
path = "img/meinv.png"
img = cv2.imread(p

更多

Arthur's Blog

标签 - 人脸识别

往期目录

效果预览

实现思路

代码分解

完整代码

往期目录

实现步骤

windows系统搭建

一、安装python

二、安装numpy模块

三、安装OpenCV

前言

往期目录

效果预览

技术实现

往期目录

功能展示

技术实现思路

具体实现代码

往期目录

dlib与OpenCV对比

效果展示

安装dlib

下载训练模型

代码实现

导航

最近发布

友情链接