最近疫情被隔離在家，準備研究一下python的機器學習，看了一些資料。也逛了逛論壇。

機器學習的實例真是太多了，讓人眼花繚亂，更加懵逼了。通俗來說，主要兩個方面，比較淺層次的就是機器學習，最后才是深度學習。

主要過程就是通過一定的算法來訓練大量的數據產生一個數據模型，最后再利用這個模型來分析或計算出出最接近于實際情況的結果。

大概理解了意思之后，我就不再去深究了，直接搞個實例來試試看什么效果。至于更深層級的東西，我比較喜歡在實戰(zhàn)中慢慢體會。

1、準備

今天實踐的是python中的opencv這個庫，至于這個庫官方肯定比我解釋的更加準確，下面是官方的解釋。

OpenCV是一個基于Apache2.0許可（開源）發(fā)行的跨平臺計算機視覺和機器學習軟件庫，可以運行在Linux、Windows、Android和Mac OS操作系統(tǒng)上。

沒有opencv環(huán)境的將opencv先安裝一下，為避免版本不一樣導致出現(xiàn)問題，我這里在安裝命令中將版本號寫了出來。

pip install opencv-python==4.6.0.66

python解釋器使用的版本是3.8.6，我這里測試使用的是這兩個版本是沒有問題的。

2、代碼

下面是整個業(yè)務的實現(xiàn)過程，haarcascade_frontalface_default.xml訓練模型我是直接在girhub上面下載的。所以這里并沒有對數據訓練的實現(xiàn)，使用的是別人訓練好的模型。

后面的學習中，我會慢慢訓練出自己的模型來使用，其實不用自己訓練數據模型的話代碼量還是比較少的。下面是github的訓練模型的下載地址，目前已經2100多的star了。

https://github.com/opencv/opencv/tree/master/data/haarcascades

下載好訓練模型之后放在自己本地，一會在調用訓練模型的時候直接調用就OK了。導入opencv模塊，注意這里導入的名稱是cv2。

import cv2

獲取訓練好的數據模型（haarcascade_frontalface_default.xml這就是我們前面從github上面下載的）。

face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')

讀取需要分析的原始圖片。

image = cv2.imread(r'./pic.jpg')

對讀取的pic.jpg圖片做灰度處理。

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

識別檢測一下women.jpeg圖片中的人臉的個數是多少個。

faces = face_cascade.detectMultiScale(

    gray,

    scaleFactor=1.15,

    minNeighbors=5,

    minSize=(5, 5),

    flags=cv2.CASCADE_SCALE_IMAGE

)

這時實際上已經檢測完成了，使用len函數計算一下檢測出的人臉個數。

print("當前圖片中共發(fā)現(xiàn){}張人臉".format(len(faces)))

檢測出的人臉的信息都存在faces的數組中，遍歷一下人臉信息做處理。

for (x, y, w, h) in faces:

    # 在識別出的人臉部位畫上圓圈

    cv2.circle(image, (int((x + x + w) / 2), int((y + y + h) / 2)), int(w / 2), (0, 255, 0), 2)

顯示識別出的人臉位置。

cv2.imshow("Face Nums", image)

cv2.waitKey(0)

至此，通過機器學習做的一個簡單的人臉識別的功能就完成了。

到此這篇關于Python實現(xiàn)檢測照片中的人臉數的文章就介紹到這了,更多相關Python檢測照片人臉內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論