前言
隨着科技的發展，人臉識別技術在許多領域得到的非常廣泛的應用，手機支付、銀行身份驗證、手機人臉解鎖等等。
識別
廢話少說，這里我們使用 opencv 中自帶了 haar人臉特征分類器，利用訓練好的 haar 特征的 xml 文件，在圖片上檢測出人臉的坐標，利用這個坐標，我們可以將人臉區域剪切保存，也可以在原圖上將人臉框出。
代碼實現：
# -*-coding:utf8-*-#
import os
import cv2
from PIL import Image, ImageDraw
from datetime import datetime
"""
分類器 https://github.com/opencv/opencv/tree/master/data/haarcascades
安裝模塊：pip install Pillow pip install opencv-python
博客：https://blog.52itstyle.vip/archives/3771/
"""
def detectFaces(image_name):
img = cv2.imread(image_name)
face_cascade = cv2.CascadeClassifier(os.getcwd()+"\\haarcascade\\haarcascade_frontalface_alt.xml")
if img.ndim == 3:
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
else:
gray = img # if語句：如果img維度為3，說明不是灰度圖，先轉化為灰度圖gray，如果不為3，也就是2，原圖就是灰度圖
faces = face_cascade.detectMultiScale(gray, 1.2, 5) # 1.3和5是特征的最小、最大檢測窗口，它改變檢測結果也會改變
result = []
for (x, y, width, height) in faces:
result.append((x, y, x + width, y + height))
return result
# 保存人臉圖
def saveFaces(image_name):
faces = detectFaces(image_name)
if faces:
# 將人臉保存在save_dir目錄下。
# Image模塊：Image.open獲取圖像句柄，crop剪切圖像(剪切的區域就是detectFaces返回的坐標)，save保存。
save_dir = image_name.split('.')[0] + "_faces"
os.mkdir(save_dir)
count = 0
for (x1, y1, x2, y2) in faces:
file_name = os.path.join(save_dir, str(count) + ".jpg")
Image.open(image_name).crop((x1, y1, x2, y2)).save(file_name)
count += 1
if __name__ == '__main__':
time1 = datetime.now()
result = detectFaces(os.getcwd()+"\\images\\gaoyuanyuan.jpg")
time2 = datetime.now()
print("耗時：" + str(time2 - time1))
if len(result) > 0:
print("有人存在！！---》人數為：" + str(len(result)))
else:
print('視頻圖像中無人！！')
drawFaces(os.getcwd()+"\\images\\", "hanxue.jpg")
saveFaces(os.getcwd()+"\\images\\gaoyuanyuan.jpg")
識別效果圖：
多人識別效果：
經過測試，最終選用了 haarcascade_frontalface_alt.xml 做人臉識別，識別率最高。
人臉檢測分類器對比：
| 級聯分類器的類型 | XML文件名 |
|---|---|
| 人臉檢測器（默認） | haarcascade_frontalface_default.xml |
| 人臉檢測器（快速的Haar） | haarcascade_frontalface_alt2.xml |
| 人臉檢測器（Tree） | haarcascade_frontalface_alt_tree.xml |
| 人臉檢測器（Haar_1） | haarcascade_frontalface_alt.xml |
小結
開源的人臉檢測分類器對於標准的人臉識別足夠了，要想精確識別比如，側臉、模糊、光照、遮擋的人臉，只能通過深度機器學習進一步優化識別精度和速度。