為了將圖片數據轉換為合適 AI訓練的花樣,利用 OpenCV先對面部進行辨識,然後將臉部數據另存為統一的花式。
- 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
行使 cv2.CascadeClassifier導入辨識工具,個中選擇了面部和眼睛的辨識對象。
讀取圖象數據後,轉為灰階,使用detectMultiScale做面部和眼睛的辨識。
detectMultiScale中的數據參數離別是
- 圖片數據
- ScaleFactor:每次搜索方塊減少的比例
- minNeighbers:每個目的最少檢測到幾回以上,才可被認定是真數據。
- minSize:設定數據搜尋的最小尺寸 ,如 minSize=(40,40)
利用 cv2.rectangle把辨識到的面部或眼睛進行標注,參數依序是
第一個迴圈中先操縱以辨識的面部再進行眼睛的辨識。
此中 Haar級聯數據可以從這裡下載。裡面供給了各類辨識的工具。
別的也能夠利用 LBP級聯數據,可以從這裡下載。
先試看看子瑜女神,有無設施被辨識。
子瑜女神看來起來辨識滿成功的。
接著看看失敗的例子,用了一樣的參數辨識一下 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,可能需要調劑一下參數。至於若何避免 OpenCV混淆眼睛和嘴,本人目前沒有對策,求高手指點。不外還好集團照不是我要辨識的主要方針。
接著修改 detect,把辨識出的臉,另存為供 AI練習的圖象。
- 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 對臉部和眼睛進行辨識,至少辨識出兩隻眼睛(不管對錯)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,所以不想要太嚴格。
- 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,行使 os.walk把該資料夾中的各類花式的圖像名稱貯存成 list,再哄騙迴圈對圖象一個個辨識。
不管原圖解析度如何,全都邑輸出同一的格局,輸出的圖像以下。
文章出處
本文來自:
留言列表