Press "Enter" to skip to content

如何检测照片中共有多少张人脸,机器学习

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

最近疫情被隔离在家,准备研究一下python的机器学习,看了一些资料。也逛了逛论坛。

 

机器学习的实例真是太多了,让人眼花缭乱,更加懵逼了。通俗来说,主要两个方面,比较浅层次的就是机器学习,最后才是深度学习。

 

主要过程就是通过一定的算法来训练大量的数据产生一个数据模型,最后再利用这个模型来分析或计算出出最接近于实际情况的结果。

 

大概理解了意思之后,我就不再去深究了,直接搞个实例来试试看什幺效果。至于更深层级的东西,我比较喜欢在实战中慢慢体会。

 

1、准备

 

今天实践的是python中的opencv这个库,至于这个库官方肯定比我解释的更加准确,下面是官方的解释。

 

OpenCV是一个基于Apache2.0许可(开源)发行的跨平台计算机视觉和机器学习软件库,可以运行在Linux、Windows、Android和Mac OS操作系统上。

 

没有opencv环境的将opencv先安装一下,为避免版本不一样导致出现问题,我这里在安装命令中将版本号写了出来。

 

pip install opencv-python==4.6.0.66

 

python解释器使用的版本是3.8.6,我这里测试使用的是这两个版本是没有问题的。

 

2、代码

 

下面是整个业务的实现过程,haarcascade_frontalface_default.xml训练模型我是直接在girhub上面下载的。所以这里并没有对数据训练的实现,使用的是别人训练好的模型。

 

后面的学习中,我会慢慢训练出自己的模型来使用,其实不用自己训练数据模型的话代码量还是比较少的。下面是github的训练模型的下载地址,目前已经2100多的star了。

 

https://github.com/opencv/opencv/tree/master/data/haarcascades

 

下载好训练模型之后放在自己本地,一会在调用训练模型的时候直接调用就OK了。导入opencv模块,注意这里导入的名称是cv2。

 

import cv2

 

获取训练好的数据模型(haarcascade_frontalface_default.xml这就是我们前面从github上面下载的)。

 

face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')

 

读取需要分析的原始图片。

 

image = cv2.imread(r'./pic.jpg')

 

对读取的pic.jpg图片做灰度处理。

 

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

 

识别检测一下women.jpeg图片中的人脸的个数是多少个。

 

faces = face_cascade.detectMultiScale(
    gray,
    scaleFactor=1.15,
    minNeighbors=5,
    minSize=(5, 5),
    flags=cv2.CASCADE_SCALE_IMAGE
)

 

这时实际上已经检测完成了,使用len函数计算一下检测出的人脸个数。

 

print("当前图片中共发现{}张人脸".format(len(faces)))

 

检测出的人脸的信息都存在faces的数组中,遍历一下人脸信息做处理。

 

for (x, y, w, h) in faces:
    # 在识别出的人脸部位画上圆圈
    cv2.circle(image, (int((x + x + w) / 2), int((y + y + h) / 2)), int(w / 2), (0, 255, 0), 2)

 

显示识别出的人脸位置。

 

cv2.imshow("Face Nums", image)
cv2.waitKey(0)

 

3、效果

 

这是在Google上面找的一张照片作为素材,照片中总共有三个人物,下面是原照片。

 

 

经过我们的分析以后,发现了三张人脸,并且在人脸部分进行了标记处理。

 

 

至此,通过机器学习做的一个简单的人脸识别的功能就完成了,后面还会分享一些学习过程中更深层次的东西,感谢大家一直的关注!

Be First to Comment

发表回复

您的电子邮箱地址不会被公开。