基于Opencv的面部识别功能

之前跟老师一起做基于openCV相关的项目所做的一些笔记和学习用工具
如果你喜欢这篇文章不妨点个赞+关注,你的支持是我更新的动力

材料:win10的电脑、普通电脑摄像头 、python2.6

库文件:os、keras(以theano作为backend)、opencv、numpy、sklearn

Opencv采用了Haar分类器,其中Haar分类器是Boosting的一个应用,其中boosting算法的核心思想是将弱学习提升成为强学习算法。

弱学习:对一组概念的识别率只比随机识别高一点。

强学习:对一组概念的识别率很高(只要足够的数据,弱学习可变成强学习)。

原理:

本学习内容采用了以OpenCV、以theano为后台的keras深度学习框架为核心采用了python2.7编写,利用了图片是以像素构成,且将每个图片转化成为灰度图片,图片的每个位置表示的是一个像素值,0表示白色,1表示黑色,(0,1)的数值表示不同程度的灰色组成,以两层卷积和两层池化将每张图片进行分类,通过OpenCV的Haar分类器检测出摄像头所捕获到的图片并利用提训练好的haarcascade_frontalface_alt.xml模型直接使用来实现对人脸的检测。

第一步:

利用OpenCV和frontalface分类器剪切图片同时将文件转化为灰度图片保存在指定文件夹中,其中利用OpenCV2中的detectMultiScale函数检测出图片中所有的人脸,其中该部分通过外部函数引入读取图片,其具体功能理解已加注释

图1

第二步:

这部分涉及到神经卷积网络,建立一个基于CNN的人脸识别模型,同时模型进行存储和读取的地方应通过hdf5创建一个后缀为h5的model文件。详细创建如下

图2

在dataSet.py文件夹中储存的DataSet这个用于存储和格式化读取训练数据的类其指向的地址为获取到的灰度图片,在def train_model(self)中修改了loss的值等于squared_hinge,由于在执行此文件的时候会报错

图3

第三步:

创建摄像头识别模型,并再次利用OpenCV的haarcascade_frontalface_alt.xml文件对摄像头所捕获到的图形进行识别,同时读取dataset下的子文件。利用opencv的VideoCapture类来调用摄像头,其中prob功能是用于设置对摄像头识别出来的人脸进行对比,并设置显示为模型已有的label概率

图4

第四步:

得到图像如下,只添加了一个个人的模型进文件中

结果图

如果你喜欢这篇文章不妨点个赞+关注,你的支持是我更新的动力
需要源码不妨私聊我哦~我们一起交流一下

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,132评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,802评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,566评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,858评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,867评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,695评论 1 282
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,064评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,705评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,915评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,677评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,796评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,432评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,041评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,992评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,223评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,185评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,535评论 2 343

推荐阅读更多精彩内容