python实现人脸识别代码

从实时视频流中识别出人脸区域，从原理上看，其依然属于机器学习的领域之一，本质上与谷歌利用深度学习识别出猫没有什么区别。程序通过大量的人脸图片数据进行训练，利用数学算法建立建立可靠的人脸特征模型，如此即可识别出人脸。幸运的是，这些工作OpenCV已经帮我们做了，我们只需调用对应的API函数即可，先给出代码：

#-*- coding: utf-8 -*-import cv2import sysfrom PIL import Imagedef CatchUsbVideo(window_name, camera_idx):  cv2.namedWindow(window_name)    #视频来源，可以来自一段已存好的视频，也可以直接来自USB摄像头  cap = cv2.VideoCapture(camera_idx)            #告诉OpenCV使用人脸识别分类器  classfier = cv2.CascadeClassifier("/usr/local/share/OpenCV/haarcascades/haarcascade_frontalface_alt2.xml")    #识别出人脸后要画的边框的颜色，RGB格式  color = (0, 255, 0)      while cap.isOpened():    ok, frame = cap.read() #读取一帧数据    if not ok:            break     #将当前帧转换成灰度图像    grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)                 #人脸检测，1.2和2分别为图片缩放比例和需要检测的有效点数    faceRects = classfier.detectMultiScale(grey, scaleFactor = 1.2, minNeighbors = 3, minSize = (32, 32))    if len(faceRects) > 0:      #大于0则检测到人脸                        for faceRect in faceRects: #单独框出每一张人脸        x, y, w, h = faceRect            cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)                #显示图像    cv2.imshow(window_name, frame)        c = cv2.waitKey(10)    if c & 0xFF == ord('q'):      break        #释放摄像头并销毁所有窗口  cap.release()  cv2.destroyAllWindows()   if __name__ == '__main__':  if len(sys.argv) != 2:    print("Usage:%s camera_id/r/n" % (sys.argv[0]))  else:    CatchUsbVideo("识别人脸区域", int(sys.argv[1]))

先看一下程序输出结果：

程序正确的识别出了我的脸，加上空白行不到50行代码，还是很简单的。当然，绝大部分的工作OpenCV已经默默地替我们做了，所以我们用起来才这么简单。关于代码有几个地方需要重点交代，首先就是人脸分类器这行：

#告诉OpenCV使用人脸识别分类器classfier = cv2.CascadeClassifier("/usr/local/share/OpenCV/haarcascades/haarcascade_frontalface_alt2.xml")

这行代码指定OpenCV选择使用哪种分类器（注意，一定习惯分类这个说法，ML的监督学习研究的就是各种分类问题），OpenCV提供了多种分类器：

上图为我的电脑上安装的OpenCV3.2提供的所有分类器，有识别眼睛的（甚至包括左右眼），有识别身体的，有识别笑脸的，甚至还有识别猫脸的，有兴趣的可以逐个试试。关于人脸识别，OpenCV提供多个分类器选择使用，其中haarcascade_frontalface_alt_tree.xml是最严格的分类器，光线、带个帽子都有可能识别不出人脸。其它的稍微好点，default那个识别最宽松，某些情况下我家里的灯笼都会被识别成人脸；）。另外安装环境不同，分类器的安装路径也有可能不同，请在安装完OpenCV后根据分类器的实际安装路径修改代码。另外再多说一句，如果我们想构建自己的分类器，比如检测火焰（火灾报警）、汽车（确定路口汽车数量），我们依然可以使用OpenCV训练构建，详细说明参见OpenCV的官方文档。