opencv演算法+人臉檢測

ORB演算法

orb演算法結合了Fast和Brief演算法，提出了構造金字塔，為Fast特征點添加了方向，從而使得關鍵點具有了尺度不變性和旋轉不變性，

# orb演算法結合了Fast和Brief演算法，提出了構造金字塔，為Fast特征點添加了方向，從而使得關鍵點具有了尺度不變性和旋轉不變性，


import  numpy as np
import  cv2 as cv
import matplotlib.pyplot as plt;
img=cv.imread('opencv_4.png')

orb=cv.ORB_create(nfeatures=5000)

kp,des=orb.detectAndCompute(img,None)


img2=cv.drawKeypoints(img,kp,None,color=(0,0,255),flags=0)

plt.figure(figsize=(10,8),dpi=100)
plt.imshow(img2[:,:,::-1])
plt.xticks([]),plt.yticks([])
plt.show()

視頻讀寫

import numpy as np
import  cv2 as cv
cap=cv.VideoCapture('opencv_5.wmv')
while(cap.isOpened()):
    ret,frame=cap.read()
    if ret ==True:
        cv.imshow('frame',frame)
    if cv.waitKey(25)&0xFF==ord('q'):
        break
cap.release()
cv.destroyWindow()

影像人臉識別

第一個寫的，但是debug還是沒有除錯出來

import cv2 as cv
import matplotlib.pyplot as plt
img=cv.imread('img.png')
gray=cv.cvtColor(img,cv.COLOR_RGB2GRAY)

# 實體化Openncv人臉和眼睛識別的分類器
face_cas=cv.CascadeClassifier("D:/anaconda3/anaconda3/envs/MachineLearning/Library/etc/haarcascades/haarcascade_frontalface_default.xml")
face_cas.load('haarcascade_frontalface_default.xml')

eye_cas=cv.CascadeClassifier("D:/anaconda3/anaconda3/envs/MachineLearning/Library/etc/haarcascades/haarcascade_eye.xml")
eye_cas.load("haarcascade_eye.xml")

# 呼叫識別人臉
face_rects=face_cas.detectMultiScale(gray,scaleFactor=1.2,minNeighbors=3,minSize=(50,50))
for faceRects in face_rects:
    x,y,w,h =faceRects
#框出人臉
cv.rectangle(img,(x,y),(x+h,y+w),(0,255,0),3)
# 在識別出的人臉中進行眼睛的檢測
roi_color=img[y:y+h,x:x+w]
roi_gray=gray[y:y+h,x:x+w]
eyes=eye_cas.detectMultiScale(roi_gray)
for(ex,ey,ew,eh) in eyes:
    cv.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)

# 檢測結果繪制
plt.figure(figsize=(8,6),dpi=100)
cv.imshow(img,"img")
cv.waitKey(0)

第二個：

import  cv2 as cv
import mediapipe as mp
# 進度條庫
import  tqdm

import matplotlib.pyplot as plt

# 定義可視化函式
def look_img(img):
    img_RGB=cv.cvtColor(img,cv.COLOR_BGR2RGB)
    plt.imshow(img_RGB)
    plt.show()

# 匯入BlazeFace人臉檢測模型
mp_face_detection=mp.solutions.face_detection

# help(mp_face_detection.FaceDetection)


model=mp_face_detection.FaceDetection(
    min_detection_confidence=0.5,#置信度閾值，過濾掉小于置信度 的預測框
    model_selection=0,#選擇模型，0適用于人臉距離鏡頭近（2m以內），1適用于距離遠（5m以內）
)


img=cv.imread('img.png')
look_img(img)


# 將影像輸入模型，獲取預測結果
img_RGB=cv.cvtColor(img,cv.COLOR_BGR2RGB)

result=model.process(img_RGB)

print(result.detections)
# 上面可以看到所有人臉檢測效果坐標
'''
  relative_bounding_box {
    xmin: 0.23513855040073395
    ymin: 0.3091171085834503
    width: 0.5619093179702759
    height: 0.5618590116500854
  }
  以上是輸出結果，，證明只有一個人臉框的相對資訊，的確圖片中也只有一個人像
'''

# 可視化人臉檢測結果
mp_drawing=mp.solutions.drawing_utils

keypoint_style=mp_drawing.DrawingSpec(thickness=5,circle_radius=5,color=(0,255,0))

# 人臉檢測框樣式
box_style=mp_drawing.DrawingSpec(thickness=5,circle_radius=5,color=(255,0,0))

# 可視化人臉關鍵點和人臉框
annotated_image=img.copy()
for detection in result.detections:
    mp_drawing.draw_detection(
        annotated_image,
        detection,
        keypoint_drawing_spec=keypoint_style,
        bbox_drawing_spec=box_style
    )

look_img(annotated_image)
cv.imwrite('TestA',annotated_image)

攝像頭實時人臉檢測

主要運用了mediapipe包，可以呼叫攝像頭并且顯示多個人臉的時候都可以進行識別，測驗時還可以識別出圖片和動物的頭像

import mediapipe  as  mp
import cv2 as cv
from tqdm import tqdm
import time

# 匯入模型
mp_face_detection=mp.solutions.face_detection
model=mp_face_detection.FaceDetection(
    min_detection_confidence=0.5,
    model_selection=0,
)

# 匯入可視化樣式
# 可視化人臉檢測結果
mp_drawing=mp.solutions.drawing_utils

keypoint_style=mp_drawing.DrawingSpec(thickness=5,circle_radius=5,color=(0,255,0))

# 人臉檢測框樣式
box_style=mp_drawing.DrawingSpec(thickness=5,circle_radius=5,color=(255,0,0))


# 處理單幀的函式
def process_frame(img):
    #記錄該幀處理的開始時間
    start_time=time.time()
    img_RGB=cv.cvtColor(img,cv.COLOR_BGR2RGB)
    result=model.process(img_RGB)
    if result.detections:
        for detection in result.detections:
            mp_drawing.draw_detection(
             img,
            detection,
            keypoint_drawing_spec=keypoint_style,
            bbox_drawing_spec=box_style
        )
    #記錄該幀處理完畢的時間
    end_time=time.time()
    #計算每秒處理影像的幀數FPS
    FPS=1/(end_time-start_time)
    scaler=1
    img=cv.putText(img,'FPS'+str(int(FPS)),(25*scaler,50*scaler),cv.FONT_HERSHEY_SIMPLEX,1.25*scaler,(255,0,0),1,8)
    return img



#呼叫攝像獲取每幀
cap=cv.VideoCapture(0)

cap.open(0)
# 無限回圈，直到break被觸發
while cap.isOpened():
    success,frame=cap.read()
    # if not success:
    #     print('ERROR')
    #     break
    frame=process_frame(frame)
    #展示處理后的三通道影像
    cv.imshow('my_window',frame)
    if cv.waitKey(1) &0xff==ord('q'):
        break

cap.release()
cv.destroyAllWindows()