利用 cv2.CascadeClassifier導入辨識工具，此中選擇了臉部和眼睛的辨識工具。
讀取圖象數據後，轉為灰階，行使detectMultiScale做臉部和眼睛的辨識。
detectMultiScale中的數據參數分別是

2021-11-23 22:51 上傳

 

 

 

 

5.jpg

網頁設計

6.jpg

網頁設計

7.png

8.png

9.png

10.png


 
子瑜女神看來起來辨識滿成功的。
接著看看失敗的例子，用了同樣的參數辨識一下 Twice和興奮伙伴們？

2.jpg1.jpg
看來挺失敗的，娜璉和個中兩位興奮伙伴完全沒有辨識出臉，眼睛的部份大多都沒有辨識成功。為了辨識成功，可能需要調劑一下參數。至於若何避免 OpenCV攪渾眼睛和嘴，本人今朝沒有對策，求高手指點。不外還好集體照不是我要辨識的首要目的。
接著點竄 detect，把辨識出的臉，另存為供 AI訓練的圖象。

Python OpenCV 臉部數據

下載附件  留存到相冊

使用 cv2.rectangle把辨識到的臉部或眼睛進行標注，參數依序是

為了將圖片數據轉換為適合 AI訓練的花樣，行使 OpenCV先對面部進行辨識，然後將面部數據另存為同一的花樣。

  1. import cv2
  2.  
  3. face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')
  4. eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_eye.xml')
  5.  
  6. def detect(filename):
  7.     img = cv2.imread(filename)
  8.     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  9.     faces = face_cascade.detectMultiScale(gray,
  10.                                           scaleFactor=1.2,
  11.                                           minNeighbors=3,)
  12.     for (x,y,w,h) in faces:
  13.         roi_gray = gray[y:y+h, x:x+w]
  14.         eyes = eye_cascade.detectMultiScale(roi_gray,
  15.                                             scaleFactor=1.02,
  16.                                             minNeighbors=3,
  17.                                             minSize=(40,40),)
  18.         img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
  19.         for (ex,ey,ew,eh) in eyes:
  20.             img = cv2.rectangle(img,(x+ex,y+ey),(x+ex+ew,y+ey+eh),(0,255,0),2)
  21.     cv2.imwrite('./tzuyu_face.jpg', img)
  22.  
  23. detect('tzuyu.jpg')
複製代碼

8.png (40 KB, 下載次數: 6)

4.jpg

  1. import cv2
  2.  
  3. face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')
  4. eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_eye.xml')
  5.  
  6. face_filename = 1
  7. def detect(filename):
  8.     img = cv2.imread(filename)
  9.     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  10.     faces = face_cascade.detectMultiScale(gray,
  11.                                           scaleFactor=1.2,
  12.                                           minNeighbors=3,)
  13.     for (x,y,w,h) in faces:
  14.         roi_gray = gray[y:y+h, x:x+w]
  15.         eyes = eye_cascade.detectMultiScale(roi_gray,
  16.                                             scaleFactor=1.02,
  17.                                             minNeighbors=3,)
  18.         if len(eyes)>=2:
  19.             f = cv2.resize(gray[y:y+h, x:x+w], (200, 200))
  20.             global face_filename
  21.             name = './face/%d.png' % face_filename
  22.             cv2.imwrite(name, f)
  23.             face_filename += 1
  24.         else:
  25.             pass
  26.     print('Working with %s' % filename)
複製代碼

第一個迴圈中先行使以辨識的面部再進行眼睛的辨識。
其中 Haar級聯數據可以從這裡下載。裡面供應了各類辨識的對象。
別的也可以使用 LBP級聯數據，可以從這裡下載。

先試看看子瑜女神，有沒有辦法被辨識。

對面部和眼睛進行辨識，最少辨識出兩隻眼睛(不管對錯)才進行儲存，輸出為 200x200的 png花樣。
我沒有設定minSize，因為我的數據有點少解析度落差也很大，所以不想要太嚴厲。


做法可能沒有很聰明，行使 os.walk把該資料夾中的各種格式的圖像名稱儲存成 list，再利用迴圈對圖像一個個辨識。
不管原圖解析度若何，全都會輸出同一的花樣，輸出的圖象如下。
   網頁設計 



文章出處

  • 圖片數據
  • ScaleFactor：每次搜尋方塊減少的比例
  • minNeighbers：每一個方針最少檢測到幾回以上，才可被認定是真數據。
  • minSize：設定數據搜尋的最小尺寸 ，如 minSize=(40,40)
     

3.jpg

  1. import os
  2.  
  3. img_list = []
  4. for fileNames in os.walk("."):
  5.     filename_extension = ['.jpg', '.png', '.jpeg', '.JPG', '.gif']
  6.     for fe in filename_extension:
  7.         for fileName in fileNames[-1]:
  8.             if fileName.endswith(fe):
  9.                 img_list.append(fileName)
  10.  
  11. for img in img_list:
  12.     detect(img)
複製代碼
網頁設計
  • 圖片數據
  • 兩個對角座標
  • 線的顏色
  • 線的粗細
     


本文引用自:
arrow
arrow
    文章標籤
    網頁設計
    全站熱搜

    antoniojonesu 發表在 痞客邦 留言(0) 人氣()