Python实现检测照片中的人脸数

目录
  • 1、准备
  • 2、代码
  • 3、效果

最近疫情被隔离在家,准备研究一下python的机器学习,看了一些资料。也逛了逛论坛。

机器学习的实例真是太多了,让人眼花缭乱,更加懵逼了。通俗来说,主要两个方面,比较浅层次的就是机器学习,最后才是深度学习。

主要过程就是通过一定的算法来训练大量的数据产生一个数据模型,最后再利用这个模型来分析或计算出出最接近于实际情况的结果。

大概理解了意思之后,我就不再去深究了,直接搞个实例来试试看什么效果。至于更深层级的东西,我比较喜欢在实战中慢慢体会。

1、准备

今天实践的是python中的opencv这个库,至于这个库官方肯定比我解释的更加准确,下面是官方的解释。

OpenCV是一个基于Apache2.0许可(开源)发行的跨平台计算机视觉和机器学习软件库,可以运行在Linux、Windows、Android和Mac OS操作系统上。

没有opencv环境的将opencv先安装一下,为避免版本不一样导致出现问题,我这里在安装命令中将版本号写了出来。

pip install opencv-python==4.6.0.66

python解释器使用的版本是3.8.6,我这里测试使用的是这两个版本是没有问题的。

2、代码

下面是整个业务的实现过程,haarcascade_frontalface_default.xml训练模型我是直接在girhub上面下载的。所以这里并没有对数据训练的实现,使用的是别人训练好的模型。

后面的学习中,我会慢慢训练出自己的模型来使用,其实不用自己训练数据模型的话代码量还是比较少的。下面是github的训练模型的下载地址,目前已经2100多的star了。

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

下载好训练模型之后放在自己本地,一会在调用训练模型的时候直接调用就OK了。导入opencv模块,注意这里导入的名称是cv2。

import cv2

获取训练好的数据模型(haarcascade_frontalface_default.xml这就是我们前面从github上面下载的)。

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

读取需要分析的原始图片。

image = cv2.imread(r'./pic.jpg')

对读取的pic.jpg图片做灰度处理。

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

识别检测一下women.jpeg图片中的人脸的个数是多少个。

faces = face_cascade.detectMultiScale(

    gray,

    scaleFactor=1.15,

    minNeighbors=5,

    minSize=(5, 5),

    flags=cv2.CASCADE_SCALE_IMAGE

)

这时实际上已经检测完成了,使用len函数计算一下检测出的人脸个数。

print("当前图片中共发现{}张人脸".format(len(faces)))

检测出的人脸的信息都存在faces的数组中,遍历一下人脸信息做处理。

for (x, y, w, h) in faces:

    # 在识别出的人脸部位画上圆圈

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

显示识别出的人脸位置。

cv2.imshow("Face Nums", image)

cv2.waitKey(0)

3、效果

这是在Google上面找的一张照片作为素材,照片中总共有三个人物,下面是原照片。

经过我们的分析以后,发现了三张人脸,并且在人脸部分进行了标记处理。

至此,通过机器学习做的一个简单的人脸识别的功能就完成了。

到此这篇关于Python实现检测照片中的人脸数的文章就介绍到这了,更多相关Python检测照片人脸内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!

(0)

相关推荐

  • Python机器学习之实现模糊照片人脸恢复清晰

    目录 前言 环境安装 验证模型 总结 前言 最近看到一个有意思的机器学习项目--GFPGAN,他可以将模糊的人脸照片恢复清晰.开源项目的Github地址:https://github.com/TencentARC/GFPGAN 我们看一看作者给出的对比图. 最右侧的就是GFPGAN的效果,看一下最左层的输入图片,可以发现GFPGAN将图片恢复的非常清晰.这个效果非常惊艳. 按照以前的惯例,我还是先把这个项目安装使用一下,看看能不能对代码重新封装,变成可以工程化的项目. 环境安装 我们先看一下项目

  • Python实现对照片中的人脸进行颜值预测

    一.所需工具 **Python版本:**3.5.4(64bit) 二.相关模块 opencv_python模块 sklearn模块 numpy模块 dlib模块 一些Python自带的模块. 三.环境搭建 (1)安装相应版本的Python并添加到环境变量中: (2)pip安装相关模块中提到的模块. 例如: 若pip安装报错,请自行到: http://www.lfd.uci.edu/~gohlke/pythonlibs/ 下载pip安装报错模块的whl文件,并使用: pip install whl

  • Python用dilb提取照片上人脸的示例

    上代码: #coding=utf-8 import cv2 import dlib path = "imagePath/9.jpg" img = cv2.imread(path) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #人脸分类器 detector = dlib.get_frontal_face_detector() # 获取人脸检测器 predictor = dlib.shape_predictor( "shape_pre

  • Python为人脸照片添加口罩实战

    目录 效果展示 为人脸照片添加口罩代码 掩膜生成代码 效果展示 数据集展示 数据集来源:使用了开源数据集FaceMask_CelebA github地址:https://github.com/sevenHsu/FaceMask_CelebA.git 部分人脸数据集: 口罩样本数据集: 为人脸照片添加口罩代码 这部分有个库face_recognition需要安装,如果之前没有用过的小伙伴可能得费点功夫.Face Recognition 库主要封装了dlib这一 C++ 图形库,通过 Python

  • Python实现检测照片中的人脸数

    目录 1.准备 2.代码 3.效果 最近疫情被隔离在家,准备研究一下python的机器学习,看了一些资料.也逛了逛论坛. 机器学习的实例真是太多了,让人眼花缭乱,更加懵逼了.通俗来说,主要两个方面,比较浅层次的就是机器学习,最后才是深度学习. 主要过程就是通过一定的算法来训练大量的数据产生一个数据模型,最后再利用这个模型来分析或计算出出最接近于实际情况的结果. 大概理解了意思之后,我就不再去深究了,直接搞个实例来试试看什么效果.至于更深层级的东西,我比较喜欢在实战中慢慢体会. 1.准备 今天实践

  • python统计一个文本中重复行数的方法

    本文实例讲述了python统计一个文本中重复行数的方法.分享给大家供大家参考.具体实现方法如下: 比如有下面一个文件 2 3 1 2 我们期望得到 2,2 3,1 1,1 解决问题的思路: 出现的文本作为key, 出现的数目作为value,然后按照value排除后输出 最好按照value从大到小输出出来,可以参照: 复制代码 代码如下: in recent Python 2.7, we have new OrderedDict type, which remembers the order in

  • Python识别处理照片中的条形码

    最近一直在玩数独,突发奇想实现图像识别求解数独,输入到输出平均需要0.5s. 整体思路大概就是识别出图中数字生成list,然后求解. 输入输出demo 数独采用的是微软自带的Microsoft sudoku软件随便截取的图像,如下图所示: 经过程序求解后,得到的结果如下图所示: def getFollow(varset, terminalset, first_dic, production_list):     follow_dic = {}     done = {}     for var

  • Android中的人脸检测的示例代码(静态和动态)

    (1)背景. Google 于2006年8月收购Neven Vision 公司 (该公司拥有10多项应用于移动设备领域的图像识别的专利),以此获得了图像识别的技术,并加入到android中.Android 中的人脸识别技术,用到的底层库:android/external/neven/,framework 层:frameworks/base/media/java/android/media/FaceDetector.java. Java 层接口的限制:A,只能接受Bitmap 格式的数据:B,只能

  • Python OpenCV利用笔记本摄像头实现人脸检测

    本文实例为大家分享了Python OpenCV利用笔记本摄像头实现人脸检测的具体代码,供大家参考,具体内容如下 1.安装opencv 首先参考其他文章安装pip. 之后以管理员身份运行命令提示符,输入以下代码安装opencv pip install --user opencv-python 可以使用以下代码测试安装是否成功 #导入opencv模块 import cv2 #捕捉帧,笔记本摄像头设置为0即可 capture = cv2.VideoCapture(0) #循环显示帧 while(Tru

  • Python中提取人脸特征的三种方法详解

    目录 1.直接使用dlib 2.使用深度学习方法查找人脸,dlib提取特征 3.使用insightface提取人脸特征 安装InsightFace 提取特征 1.直接使用dlib 安装dlib方法: Win10安装dlib GPU过程详解 思路: 1.使用dlib.get_frontal_face_detector()方法检测人脸的位置. 2.使用 dlib.shape_predictor()方法得到人脸的关键点. 3.使用dlib.face_recognition_model_v1()方法提取

  • Python检测字符串中是否包含某字符集合中的字符

    目的 检测字符串中是否包含某字符集合中的字符 方法 最简洁的方法如下,清晰,通用,快速,适用于任何序列和容器 复制代码 代码如下: def containAny(seq,aset):     for c in seq:          if c in aset:                 return True     return False 第二种适用itertools模块来可以提高一点性能,本质上与前者是同种方法(不过此方法违背了Python的核心观点:简洁,清晰) itertoo

  • python 返回一个列表中第二大的数方法

    如下所示: # 返回一个列表中第二大的数 def second(ln): max = 0 s = {} for i in range(len(ln)): flag = 0 for j in range(len(ln)): if ln[i] >= ln[j] and i != j: flag = flag + 1 s[i] = flag if flag > max: max = flag print(s) for i in s: if s[i] == max - 1: break print(l

  • 在Python中获取两数相除的商和余数方法

    方法一:可以使用//求取两数相除的商.%求取两数相除的余数.[/在Python中获取的是相除的结果,一般为浮点数] 方法二:使用divmod()函数,获取商和余数组成的元祖 实例代码: #!/usr/bin/python3 # -*- coding: utf-8 -*- a = int(input(u"输入被除数: ")) b = int(input(u"输入除数:")) div = a // b mod = a % b print("{} / {} =

  • 解决Python中回文数和质数的问题

    一.前言 今天学习视频时课后作业是找出1000以内既是素数又是回文数的数,写代码这个很容易,结果一运行遇到了bug,输出结果跟预期不一样,调试了快30min,再接着一通搜索和回看视频才发现问题所在.所以特地写下来,方便以后查看.问题的关键是判断素数过程中for-else的用法上(具体看后面代码) 二.实现判断素数的功能 质数(Prime number),又称素数,指在大于1的自然数中,除了1和该数自身外,无法被其他自然数整除的数(也可定义为只有1与该数本身两个因数的数).via--Wikiped

随机推荐