github地址:https://github.com/haoxinl/face_detect

博客地址:http://haoxinl.club/2018/02/19/face-detect-4/

前言

本文主要介绍模型的测试，主要分为图片测试与视频测试两部分。

正文

图片测试

代码如下:

import cv2
from  train_model import Model
from  read_data import read_name_list

class img_reader(object):
    def __init__(self):
        self.model = Model()
        self.model.load()
        self.img_size = 128


    def build_img(self):
        face_cascade = cv2.CascadeClassifier('C:\pylearning\ml&dl\\face_detect\config\haarcascade_frontalface_alt.xml')
        #读取dataset数据集下的子文件夹名称
        name_list = read_name_list('face')

        img=cv2.imread('test.jpg')

        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #图像灰化
        faces = face_cascade.detectMultiScale(gray, 1.3, 5)#识别人脸

        for (x, y, w, h) in faces:
            ROI = gray[x:x + w, y:y + h]
            ROI = cv2.resize(ROI, (self.img_size, self.img_size), interpolation=cv2.INTER_LINEAR)
            label,prob = self.model.predict(ROI)  #利用模型对cv2识别出的人脸进行比对
            if prob >0.8:    #如果模型认为概率高于70%则显示为模型中已有的label
                show_name = name_list[label]
            else:
                show_name = 'Stranger'
            cv2.putText(img, show_name, (x, y - 20), cv2.FONT_HERSHEY_SIMPLEX, 1, 255, 2)  #显示名字
            img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
        cv2.imwrite('new.jpg',img)#在人脸区域画一个正方形出来
        cv2.imshow("face", img)
        cv2.waitKey(0)

与获取人脸时的操作几乎相同，不多介绍

视频测试

import cv2
from  train_model import Model
from  read_data import read_name_list

class Camera_reader(object):
    #在初始化camera的时候建立模型，并加载已经训练好的模型
    def __init__(self):
        self.model = Model()
        self.model.load()
        self.img_size = 128

    def build_camera(self):
        #opencv文件中人脸级联文件的位置，用于帮助识别图像或者视频流中的人脸
        face_cascade = cv2.CascadeClassifier('C:\pylearning\ml&dl\\face_detect_v0\config\haarcascade_frontalface_alt.xml')
        #读取dataset数据集下的子文件夹名称
        name_list = read_name_list('face')

        #打开摄像头并开始读取画面
        cameraCapture = cv2.VideoCapture('C:\pylearning\ml&dl\\face_detect_v0\data_script\output3.mp4')
        success, frame = cameraCapture.read()

        while success and cv2.waitKey(1) == -1 :
             success, frame = cameraCapture.read()
             gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) #图像灰化
             faces = face_cascade.detectMultiScale(gray, 1.3, 5)#识别人脸

             for (x, y, w, h) in faces:
                ROI = gray[x:x + w, y:y + h]
                ROI = cv2.resize(ROI, (self.img_size, self.img_size), interpolation=cv2.INTER_LINEAR)
                label,prob = self.model.predict(ROI)  #利用模型对cv2识别出的人脸进行比对
                if prob >0.85:    #如果模型认为概率高于70%则显示为模型中已有的label
                    show_name = name_list[label]
                else:
                    show_name = 'Stranger'
                cv2.putText(frame, show_name, (x, y - 20), cv2.FONT_HERSHEY_SIMPLEX, 1, 255, 2)  #显示名字
                frame = cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)  #在人脸区域画一个正方形出来
             cv2.imshow("Camera", frame)

        cameraCapture.release()
        cv2.destroyAllWindows()

结语

至此，所有的内容都已经结束了，我们已经成功实现了一个多目标人脸识别器，不过接下来的路还很长，一起加油吧！
至于内容的问题，本项目只提供一个思路，具体细节肯定不甚清楚，有一定基础后比较适合阅读，还清多多包涵。