opencv库几个内置函数的功能和使用

   本次分享的是一个可以用于毕业设计参考的人脸识别项目，由FJNUThomas分享。如果有做人脸识别毕设的同学，可以在此基础上，做更深入的研究，源码下载方式见文末。下面是设计步骤：  硬件及环境：

树莓派3B V1.2

摄像头罗技C170

树莓派系统：bullseye

python 3.9.2

opencv-python 4.5.3.56

opencv-contrib-python 4.5.3.56

numpy 1.21.0

关于树莓派安装opencv的步骤，可以参考下面这篇博文：

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

 人脸检测

我们实现人脸识别的前提事件是人脸检测，只有检测到人脸，才能够收集到人脸的数据。我们用的是opencv自带的分类器：

 

haarcascade_frontalface_default.xml

  代码实现：

 

 

import cv2faceCascade = cv2.CascadeClassifier('Cascades/haarcascade_frontalface_default.xml')        cap = cv2.VideoCapture(0)        cap.set(3, 640)  # set Weight        cap.set(4, 480)  # set Height        while True:            ret, img = cap.read()            img = cv2.flip(img, 1) #如果摄像头倒置，将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()

  在python3下运行如上代码可以完成人脸检测的功能。

 

 图像采集

人脸识别的本质其实就是构建一个人脸信息的数据库，电脑比对摄像头采集到的人脸信息和数据库中存放的数据，从而得到一个比对的结果。 图像采集需要我们在.py文件同目录下新建一个文件夹，用于存放采集得到的图片。

 

mkdir data

  采集得到的图片越多，构建的数据库越完善，判断成功的概率也越高，但图片太多同样会降低比对时的速度。 我这里是设置了每0.2s拍一张照片，按ecs或拍满40张照片时退出。

 

 

k = cv2.waitKey(200) & 0xff  # ESC退出and每0.2s拍一张            if k == 27:                break            elif count >= 40:  # 拍40张照片                break

  图像采集示例（这边需要我们在终端输入id号，我这边输入4） 采集得到的图片：

 

 开始训练

训练是opencv人脸识别的重中之重。opencv为我们提供了多个内置函数，调用这些函数能够帮助我们训练得到自己的训练集这边我采用的是：

 

 recognizer.train（）

  在开始训练之前，我们需要新建一个空目录用于存放得到的模型：

 

 

mkdir trainer

  模型保存为.xml文件，要注意我们的代码是在树莓派下跑的，在树莓派下recognizer.write()是不能够使用的，因此我们用：

 

 

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

  进行保存，训练成功实例  

 

 人脸识别

通过了前三个步骤，我们已经有了一个在data文件夹中保存采集到的图像、在trainer文件夹中保存自己训练的trainer.xml模型的文件了，我们就进入到了最后一步，也就是传说中的人脸识别了。人脸识别实例： 可以看到，系统识别出我有73%的概率是彭于晏，识别的成功率还是很高的、关于输出名字的问题，在代码的这个部分：

 

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

我们可以在这里修改成自己想要的名字，在代码中还有这样的部分：

 

 

 id, confidence = recognizer.predict(gray[y:y + h, x:x + w]) # 判断成功概率>45时，输出id,否则输出unknow if (confidence < 55):      id = names[id]          confidence = "  {0}%".format(round(100 - confidence))       else:          id = "unknown"          confidence = "  {0}%".format(round(100 - confidence))

  用于修改自己想要的判断概率。 到这里我们的人脸识别就基本完成了。

 

 总结

通过本项目，可以获得以下技能：

学会树莓派的配置，并在树莓派上配置了环境

对opencv库有了个基本的了解，熟悉几个内置函数的功能和使用

对Linux有了更深刻的理解

增加了python能力

不足之处： 在调试的过程中，发现在树莓派上运行项目还是有比较明显的卡顿的，因此有对代码进行优化的想法，查阅资料以后了解到了有一个东西叫做pypy，尝试过用pypy对文件进行编码，奈何写的代码是基于python3.9，和当前的pypy版本不太匹配，只好暂时作罢。在之后应该会尝试进行一次重新编译，感兴趣的同学可以尝试看看。