資訊專(zhuān)欄INFORMATION COLUMN
摘要：在之前的文章中，我們學(xué)習(xí)了使用數(shù)據(jù)集訓(xùn)練出一個(gè)識(shí)別器。現(xiàn)在，我們將使用這個(gè)訓(xùn)練好的文件去識(shí)別人臉了。我們把程序改成釋放資源記得釋放資源測(cè)試然后在測(cè)試階段，這個(gè)人工智障完美地識(shí)別不出我。
在之前的文章中，我們學(xué)習(xí)了使用數(shù)據(jù)集訓(xùn)練出一個(gè)識(shí)別器。本文中，我們將載入這個(gè)識(shí)別器，然后來(lái)看見(jiàn)怎么識(shí)別人臉。
如果看過(guò)之前的文章，你就已經(jīng)準(zhǔn)備好了一個(gè)識(shí)別器，它就在trainner文件夾和trainner.yml文件里面。
現(xiàn)在，我們將使用這個(gè)訓(xùn)練好的文件去識(shí)別人臉了。
導(dǎo)入import cv2 import numpy as np加載識(shí)別器
接下來(lái)，我們用OpenCV庫(kù)以及我們訓(xùn)練好的數(shù)據(jù)（yml文件）創(chuàng)建一個(gè)識(shí)別器對(duì)象：
recognizer = cv2.face.LBPHFaceRecognizer_create()
# recognizer = cv2.createLBPHFaceRecognizer() # in OpenCV 2
recognizer.read("trainner/trainner.yml")
# recognizer.load("trainner/trainner.yml") # in OpenCV 2
然后用之前準(zhǔn)備好的xml創(chuàng)建一個(gè)分類(lèi)器：
cascade_path = "haarcascade_frontalface_default.xml" face_cascade = cv2.CascadeClassifier(cascade_path)
獲取到攝像頭的控制對(duì)象：
cam = cv2.VideoCapture(0)
加載一個(gè)字體，用于在識(shí)別后，在圖片上標(biāo)注出識(shí)別對(duì)象的名字：
# font = cv2.cv.InitFont(cv2.cv.CV_FONT_HERSHEY_SIMPLEX, 1, 1, 0, 1, 1) font = cv2.FONT_HERSHEY_SIMPLEX識(shí)別程序的主循環(huán)
在程序的主循環(huán)中，我們需要做的是：
從攝像頭中獲取圖像
將圖像轉(zhuǎn)換為灰度圖片
在圖片中檢測(cè)人臉
用識(shí)別器識(shí)別該人的id
將識(shí)別出人臉的id或名稱(chēng)用矩形在圖片中標(biāo)出來(lái)
while True:
ret, im = cam.read()
gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.2, 5)
for (x, y, w, h) in faces:
cv2.rectangle(im, (x - 50, y - 50), (x + w + 50, y + h + 50), (225, 0, 0), 2)
img_id, conf = recognizer.predict(gray[y:y + h, x:x + w])
# cv2.cv.PutText(cv2.cv.fromarray(im), str(Id), (x, y + h), font, 255)
cv2.putText(im, str(img_id), (x, y + h), font, 0.55, (0, 255, 0), 1)
cv2.imshow("im", im)
if cv2.waitKey(10) & 0xFF == ord("q"):
break
recognizer.predict為預(yù)測(cè)函數(shù)，putText則是在圖片上添加文字
更進(jìn)一步由于可能識(shí)別不出來(lái)，或者存在未知的人臉。而且，如果只用id1，id2就會(huì)大大地降低了程序的體驗(yàn)。因此，我們可以把id換成名字，把未知的臉標(biāo)為未知。
我們把程序改成：
img_id, conf = recognizer.predict(gray[y:y + h, x:x + w])
if conf > 50:
if img_id == 1:
img_id = "jianyujianyu"
elif img_id == 2:
img_id = "ghost"
else:
img_id = "Unknown"
# cv2.cv.PutText(cv2.cv.fromarray(im), str(Id), (x, y + h), font, 255)
cv2.putText(im, str(img_id), (x, y + h), font, 0.55, (0, 255, 0), 1)
釋放資源
記得釋放資源
cam.release() cv2.destroyAllWindows()測(cè)試
然后在測(cè)試階段，這個(gè)人工智障完美地識(shí)別不出我。
我覺(jué)得是素材不夠豐富，我回頭改改。。。
完整代碼現(xiàn)在的目錄：
import cv2
import numpy as np
recognizer = cv2.face.LBPHFaceRecognizer_create()
# recognizer = cv2.createLBPHFaceRecognizer() # in OpenCV 2
recognizer.read("trainner/trainner.yml")
# recognizer.load("trainner/trainner.yml") # in OpenCV 2
cascade_path = "haarcascade_frontalface_default.xml"
face_cascade = cv2.CascadeClassifier(cascade_path)
cam = cv2.VideoCapture(0)
# font = cv2.cv.InitFont(cv2.cv.CV_FONT_HERSHEY_SIMPLEX, 1, 1, 0, 1, 1) # in OpenCV 2
font = cv2.FONT_HERSHEY_SIMPLEX
while True:
ret, im = cam.read()
gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.2, 5)
for (x, y, w, h) in faces:
cv2.rectangle(im, (x - 50, y - 50), (x + w + 50, y + h + 50), (225, 0, 0), 2)
img_id, conf = recognizer.predict(gray[y:y + h, x:x + w])
if conf > 50:
if img_id == 1:
img_id = "jianyujianyu"
elif img_id == 2:
img_id = "ghost"
else:
img_id = "Unknown"
# cv2.cv.PutText(cv2.cv.fromarray(im), str(Id), (x, y + h), font, 255)
cv2.putText(im, str(img_id), (x, y + h), font, 0.55, (0, 255, 0), 1)
cv2.imshow("im", im)
if cv2.waitKey(10) & 0xFF == ord("q"):
break
cam.release()
cv2.destroyAllWindows()
先這樣吧
原文，若有錯(cuò)誤之處請(qǐng)指出，更多地關(guān)注煎魚(yú)。
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://systransis.cn/yun/41757.html
摘要：我們把要做的事分成三部分創(chuàng)建數(shù)據(jù)集訓(xùn)練識(shí)別在本文中，我們會(huì)嘗試寫(xiě)一個(gè)程序來(lái)生成數(shù)據(jù)集。生成數(shù)據(jù)集我們來(lái)寫(xiě)一個(gè)數(shù)據(jù)集生成腳本。為了不會(huì)將不同的人臉照片弄混，我們需要定一個(gè)命名規(guī)則，用于給照片命名。 在上一篇文章中，我們學(xué)習(xí)了如何安裝配置OpenCV和Python，然后寫(xiě)了些代碼玩玩人臉檢測(cè)?，F(xiàn)在我們要進(jìn)行下一步了，即搞一個(gè)人臉識(shí)別程序，就是不只是檢測(cè)還需要識(shí)別到人是誰(shuí)。 來(lái)，搞人臉識(shí)別 ...
摘要：想要能人臉識(shí)別，我們需要訓(xùn)練一個(gè)識(shí)別器處理?，F(xiàn)在，是時(shí)候用這個(gè)訓(xùn)練集來(lái)訓(xùn)練一個(gè)人臉識(shí)別器了。同目錄下，創(chuàng)建一個(gè)文件夾，名為，用于存放我們訓(xùn)練后的識(shí)別器。訓(xùn)練差不多完成了，現(xiàn)在我們調(diào)用一下這個(gè)函數(shù)，然后將我們的數(shù)據(jù)喂給識(shí)別器去訓(xùn)練吧。 想要能人臉識(shí)別，我們需要訓(xùn)練一個(gè)識(shí)別器處理。訓(xùn)練的話就需要之前已經(jīng)標(biāo)注好的訓(xùn)練集，在前一篇文章中，我們創(chuàng)建了一個(gè)已經(jīng)標(biāo)注好的訓(xùn)練集?，F(xiàn)在，是時(shí)候用這個(gè)訓(xùn)練...
摘要：時(shí)間永遠(yuǎn)都過(guò)得那么快，一晃從年注冊(cè)，到現(xiàn)在已經(jīng)過(guò)去了年那些被我藏在收藏夾吃灰的文章，已經(jīng)太多了，是時(shí)候把他們整理一下了。那是因?yàn)槭詹貖A太亂，橡皮擦給設(shè)置私密了，不收拾不好看呀。 ...
摘要：人臉識(shí)別技術(shù)所獨(dú)具的活性判別能力保證了他人無(wú)法以非活性的照片木偶蠟像來(lái)欺騙識(shí)別系統(tǒng)。人臉識(shí)別技術(shù)所采用的依據(jù)是人臉照片或?qū)崟r(shí)攝取的人臉圖像，因而無(wú)疑是最容易獲得的。 人臉識(shí)別是近年來(lái)模式識(shí)別、圖像處理、機(jī)器視覺(jué)、神經(jīng)網(wǎng)絡(luò)以及認(rèn)知科學(xué)等領(lǐng)域研究的熱點(diǎn)課題之一，被廣泛應(yīng)用于公共安全（罪犯識(shí)別等）...
摘要：本文著重以人臉識(shí)別為例介紹深度學(xué)習(xí)技術(shù)在其中的應(yīng)用，以及優(yōu)圖團(tuán)隊(duì)經(jīng)過(guò)近五年的積累對(duì)人臉識(shí)別技術(shù)乃至整個(gè)人工智能領(lǐng)域的一些認(rèn)識(shí)和分享。從年左右，受深度學(xué)習(xí)在整個(gè)機(jī)器視覺(jué)領(lǐng)域迅猛發(fā)展的影響，人臉識(shí)別的深時(shí)代正式拉開(kāi)序幕。 騰訊優(yōu)圖隸屬于騰訊社交網(wǎng)絡(luò)事業(yè)群（SNG），團(tuán)隊(duì)整體立足于騰訊社交網(wǎng)絡(luò)大平臺(tái)，專(zhuān)注于圖像處理、模式識(shí)別、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、深度學(xué)習(xí)、音頻語(yǔ)音分析等領(lǐng)域開(kāi)展技術(shù)研發(fā)和業(yè)務(wù)落地。...
閱讀 3727·2021-10-11 10:59
閱讀 1317·2019-08-30 15:44
閱讀 3489·2019-08-29 16:39
閱讀 2896·2019-08-29 16:29
閱讀 1812·2019-08-29 15:24
閱讀 817·2019-08-29 15:05
閱讀 1271·2019-08-29 12:34
閱讀 2350·2019-08-29 12:19
