【米尔-全志 T527 开发板-试用评测】-OpenCV人脸识别
<div>OpenCV人脸识别</div><h1>一、软件环境安装</h1>
<h3>1.安装OpenCV</h3>
<div>sudo apt-get install libopencv-dev python3-opencv</div>
<div></div>
<h3>2.安装pip</h3>
<div>sudo apt-get install python3-pip</div>
<div></div>
<div><strong><span style="font-size: 18px;">3.安装依赖库</span></strong></div>
<div>pip install opencv-contrib-python</div>
<div>face模块实际上并不是opencv库的一部分。更确切地说，face是部分的的opencv-contrib库。所以，需要<a href="https://so.csdn.net/so/search?q=%E5%AE%89%E8%A3%85opencv&spm=1001.2101.3001.7020">安装opencv</a>-contrib库</div>
<div></div>
<div><strong><span style="font-size: 24px;">二、基本流程</span></strong></div>
<div><strong>1.人脸检测：</strong></div>
<div>首先需要检测图像中的人脸。OpenCV提供了基于Haar级联分类器的detectMultiScale函数来进行人脸检测。这个函数可以在图像的不同尺度上查找可能的人脸区域。</div>
<div><strong>2.人脸特征提取：</strong></div>
<div>一旦检测到人脸，接下来需要提取人脸的特征。这一步是为了将人脸表示为一个特征向量，该向量可以用于后续的识别过程。</div>
<div><strong>3.训练分类器：</strong></div>
<div>使用提取的特征向量和相应的标签来训练一个分类器。OpenCV提供了多种机器学习算法，如支持向量机（SVM）、k最近邻（k-NN）等，来训练分类器。</div>
<div><strong>4.人脸识别：</strong></div>
<div>在测试阶段，对于新的图像，首先检测图像中的人脸，然后提取其特征，并使用训练好的分类器进行识别。</div>
<h1>三、程序代码</h1>
<div># -*- coding: utf-8 -*-</div>
<div>import cv2</div>
<div>import numpy as np</div>
<div># 读取训练图像</div>
<div>images=[]</div>
<div>images.append(cv2.imread("f01.png",cv2.IMREAD_GRAYSCALE))</div>
<div>images.append(cv2.imread("f02.png",cv2.IMREAD_GRAYSCALE))</div>
<div>images.append(cv2.imread("f11.png",cv2.IMREAD_GRAYSCALE))</div>
<div>images.append(cv2.imread("f12.png",cv2.IMREAD_GRAYSCALE))</div>
<div># 给训练图像贴标签</div>
<div>labels=</div>
<div># 读取待识别图像</div>
<div>predict_image=cv2.imread("fTest.png",cv2.IMREAD_GRAYSCALE)</div>
<div># 识别</div>
<div>recognizer = cv2.face.FisherFaceRecognizer_create()</div>
<div>recognizer.train(images, np.array(labels))</div>
<div>label,confidence= recognizer.predict(predict_image)</div>
<div># 打印识别结果</div>
<div>print("识别标签label=",label)</div>
<div>print("置信度confidence=",confidence)</div>
<h1>四、实验过程</h1>
<div>NumPy（Numeric Python）是Python的一种开源的数值计算扩展，也是Python科学计算的基础库</div>
<div><strong>1.程序对应图像如下：</strong></div>
<div></div>
<div><strong>2.运行程序的结果</strong></div>
<div></div>
<p>3.程序对应的彩色图像<br />
</p>
<p><strong>4.运行程序结果</strong><br />
</p>
<p><strong>5.注意事项</strong></p>
<div>图片的像素大小有要求，要求训练图像的像素大小与检测图像的大小相同</div>
<div>注意更改图像的名称</div>
<p><!--importdoc--></p>
页:
[1]