基于OPENCV的人臉識別學習筆記

兩周前收到老師要求參加模式識別比賽，大概內容是檢測視頻中出現的人臉，然后進行數目統計，一開始看到后毫無頭緒的，畢竟這是第一次接觸機器視覺類，完全沒有方向，后來在同學的見一下開始學習OPENCV，也一直幫我除錯程式，在這里也謝謝他了，第一次寫也不知道算不算原創，如果有任何違規的地方請告知我，我會更改和洗掉，謝謝，

開始的學習

大二的時候多少接觸過51，32類的單片機，印象最深的便是基于STM32的OPENMV，可及時呼叫的現成庫和機器視覺的第一次驚艷到了我，就先去網上找了CV的入門視頻，大概明白了編程環境，語言等，雖然同學安利VSCODE，但最后還是用了Pycharm，語言是Python 3.5，當然在這程序中看了不少CSDN上大佬的文章受益匪淺，

功能代碼

借鑒的大佬們的博客：
https://blog.csdn.net/qq_40985985/article/details/108364144
https://blog.csdn.net/sinat_26917383/article/details/70287521
https://blog.csdn.net/haoji007/article/details/106368793/ （原文：https://zhuanlan.zhihu.com/p/80328340）
由于比賽要求特殊（我自己感覺是這樣的），沒有事先給素材進行模型訓練，因此不能跑神經網路等演算法，看了上面大佬們的博客，決定采用OPENCV自帶的級聯器+差值哈希演算法來實作，感謝各位前輩們的付出

import cv2


# 差異值哈希演算法
def dhash(image):
    # 將圖片轉化為8*8
    image = cv2.resize(image, (9, 8), interpolation=cv2.INTER_CUBIC)
    # 將圖片轉化為灰度圖
    dhash_str = ''
    for i in range(8):
        for j in range(8):
            if image[i, j] > image[i, j + 1]:
                dhash_str = dhash_str + '1'
            else:
                dhash_str = dhash_str + '0'
    result = ''
    for i in range(0, 64, 4):
        result += ''.join('%x' % int(dhash_str[i: i + 4], 2))
    # print("dhash值",result)
    return result

if __name__ == '__main__':

    faceGascade = cv2.CascadeClassifier("Resources/haarcascade_frontalface_alt2.xml")
    # 呼叫級聯器
    cap = cv2.VideoCapture("Resources/test1.mp4")
    # 捕獲視頻幀
    # cap = cv2.imread("Resources/1.png")
    list1 = []
    list2 = []
    flag = 1

    while cap.isOpened():
        success, frame = cap.read()
        if not success:
            break
        ImgGray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 轉換為灰度影像，在這里轉換了，因此計算哈希值時的影像轉換被我洗掉了
        ImgGray2 = ImgGray[200:1240, 0:2560]
        # 將影像進行了裁剪，因為素材時一段監控錄像，怕上面時間日期等影響效果
        ImgGray2 = cv2.resize(ImgGray2, (0, 0), fx=0.5, fy=0.5, interpolation=cv2.INTER_AREA)
        # 縮小了影像的解析度來加快識別速度
        faces = faceGascade.detectMultiScale(ImgGray2, 1.2, 10)

        for (x, y, w, h) in faces:
            cv2.rectangle(ImgGray2, (x, y), (x+w, y+h), (255, 0, 0), 2)
            image = (ImgGray2[y:y+h, x:x+w])

            hash2 = dhash(image)

            if flag == 1:
                flag = 0
                list1.append(hash2)
            list1.append(hash2)
            n = 0
            j = 0
            for g in range(len(list1)-1):
            # for hash1 in list1:
                for k in range(len(list1[g])):
                    if (list1[g])[k] == hash2[k]:
                        n = n + 1
                m = n
                n = 0
                # print(m)
                if m > 6:
                    j = j+1
                else:
                    pass
            if j == 0:
                list2.append(hash2)
        # 來查重比較新捕獲哈希值是否重復
        print(len(list2))
        # 列印出捕獲的哈希值數量，即識別到的人數
        cv2.imshow('video', ImgGray2)
        cv2.waitKey(1)
    cap.release()
    cv2.destroyAllWindows()

總結

不斷捕獲人臉的哈希值，然后洗掉重復的并添加新的，通過改變

faces = faceGascade.detectMultiScale(ImgGray2, 1.2, 10)

中1.2和10兩個引數

if m > 6:
                    j = j+1

還有m，哈希值的重復位數來調整檢測結果，最終達到一個速度和準確度都滿意的值，
由于用于練習的視頻是監控錄像，截圖什么的就不放出了，最后感謝幫我指路和除錯程式的同學，也再次感謝各位前輩，前人種樹后人乘涼，