為了將圖片數據轉換為合適 AI訓練的花式,哄騙 OpenCV先對面部進行辨識,然後將臉部數據另存為同一的花式。
- import cv2
-
- face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')
- eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_eye.xml')
-
- def detect(filename):
- img = cv2.imread(filename)
- gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
- faces = face_cascade.detectMultiScale(gray,
- scaleFactor=1.2,
- minNeighbors=3,)
- for (x,y,w,h) in faces:
- roi_gray = gray[y:y+h, x:x+w]
- eyes = eye_cascade.detectMultiScale(roi_gray,
- scaleFactor=1.02,
- minNeighbors=3,
- minSize=(40,40),)
- img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
- for (ex,ey,ew,eh) in eyes:
- img = cv2.rectangle(img,(x+ex,y+ey),(x+ex+ew,y+ey+eh),(0,255,0),2)
- cv2.imwrite('./tzuyu_face.jpg', img)
-
- detect('tzuyu.jpg')
複製代碼
操縱 cv2.CascadeClassifier導入辨識工具,其中選擇了面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中的數據參數別離是
- 圖片數據
- ScaleFactor:每次搜索方塊削減的比例
- minNeighbers:每一個目標至少檢測到幾次以上,才可被認定是真數據。
- minSize:設定命據搜索的最小尺寸 ,如 minSize=(40,40)
操縱 cv2.rectangle把辨識到的面部或眼睛進行標注,參數依序是
第一個迴圈中先行使以辨識的臉部再進行眼睛的辨識。
個中 Haar級聯數據可以從這裡下載。裡面供給了各類辨識的對象。
別的也能夠使用 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。
網頁設計



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?




看來挺失敗的,娜璉和此中兩位興奮伙伴完全沒有辨識出臉,眼睛的部分大多都沒有辨識成功。為了辨識成功,可能需要調整一下參數。至於若何避免 OpenCV混合眼睛和嘴,本人今朝沒有對策,求高手指點。不外還好整體照不是我要辨識的首要目標。
接著點竄 detect,把辨識出的臉,另存為供 AI訓練的圖象。
- import cv2
-
- face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')
- eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_eye.xml')
-
- face_filename = 1
- def detect(filename):
- img = cv2.imread(filename)
- gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
- faces = face_cascade.detectMultiScale(gray,
- scaleFactor=1.2,
- minNeighbors=3,)
- for (x,y,w,h) in faces:
- roi_gray = gray[y:y+h, x:x+w]
- eyes = eye_cascade.detectMultiScale(roi_gray,
- scaleFactor=1.02,
- minNeighbors=3,)
- if len(eyes)>=2:
- f = cv2.resize(gray[y:y+h, x:x+w], (200, 200))
- global face_filename
- name = './face/%d.png' % face_filename
- cv2.imwrite(name, f)
- face_filename += 1
- else:
- pass
- print('Working with %s' % filename)
複製代碼 對面部和眼睛進行辨識,至少辨識出兩隻眼睛(無論對錯)才進行貯存,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,所以不想要太嚴酷。
- import os
-
- img_list = []
- for fileNames in os.walk("."):
- filename_extension = ['.jpg', '.png', '.jpeg', '.JPG', '.gif']
- for fe in filename_extension:
- for fileName in fileNames[-1]:
- if fileName.endswith(fe):
- img_list.append(fileName)
-
- for img in img_list:
- detect(img)
複製代碼
做法可能沒有很聰明,使用 os.walk把該資料夾中的各種格式的圖象名稱貯存成 list,再行使迴圈對圖像一個個辨識。網頁設計
不管原圖解析度若何,全城市輸出同一的格局,輸出的圖象如下。
網頁設計







文章出處
本文來自: