基于opencv的人脸识别毕业论文(基于OpenCV的人脸识别研究与实现)

基于OpenCV的人脸识别目录

前言

环境利用

模块使用

模块介绍

模块安装问题：

OpenCV简介

安装OpenCV模块

OpenCV的基本使用

阅读

[范例]读图

运行结果如下：

图像灰度转换

[示例]将图像转换为灰度

运行结果如下：

画一张图

【范例】绘图

运行结果如下：

总结

前言

我们身边的人脸识别包括车站检票、人脸监控、无人超市、支付宝刷脸支付、上班打卡、手机人脸解锁等。

人脸检测是人脸识别系统的关键部分之一。其目的是检测任何给定中包含的一张或多张面孔。它是人脸识别、表情识别等下游任务的基础。人脸识别是通过采集包含人脸的图像或视频数据，并对人脸特征信息进行比对分析，实现身份识别的生物识别技术。它是人脸识别系统的核心组成部分。

随着人工智能的不断发展，机器学习技术变得越来越重要。很多人已经开始学习机器学习。本文介绍了机器学习的基本内容。本文介绍了OpenCVZ中的简单图像处理。

环境使用

python3.9pycharm

模块使用

opencv-python

模块介绍

opencv关于OpenCv

Opencv是一个开源的跨平台计算机视觉库，内部实现了图像处理和计算机视觉中的许多常见算法。对于Python来说，引用opencv库时，需要写成importcv2。其中，cv2是opencv的C++命名空间名称。用它来表示调用C++开发的opencv的接口。

目前，人脸识别有很多比较成熟的方法。这里调用了OpenCv库，OpenCV提供了三种人脸识别方法，分别是LBPH方法、EigenFishfaces方法、Fisherfaces方法。本文采用LBPH方法。在OpenCV中，可以使用函数cv2.face.LBPHFaceRecognizer_create()生成LBPH识别器实例模型，然后应用cv2.face_FaceRecognizer.train()函数完成训练，最后使用cv2.face_FaceRecognizer.pdict()函数即可完成人脸识别。

CascadeClassifier是Opencv中用于人脸检测的级联分类器。您可以同时使用Haar和LBP功能。Haar特征是反映图像灰度变化的特征，利用像素子模块计算差异。分为三类：边缘特征、线性特征、中心特征和对角线特征。

模块安装问题：

如果安装python第三方模块：win+R，输入cmd，点击确定，输入安装命令pipinstallmodulename回车

点击pycharm中的Terminal，输入安装命令

安装失败的原因：失败-:pip不是内部命令解决方案：设置环境变量

故障2:发生大量红报告。解决方案：由于网络链路超时，需要切换镜像源。

清华大学：阿里云：中国科学技术大学华中科技大学技术：山东科技大学：豆瓣：例如：pip3install-模块名称

失败三：cmd显示已经安装，或者安装成功，但是仍然无法导入到pycharm中。解决方案：可能安装了多个python版本。卸载一个就行了，或者可以用pycharmpython解释器设置不正确。

OpenCV简介

OpenCV的全称是OpenSourceComputerVisionLibrary，是一个跨平台的计算机视觉库。

OpenCV由Intel公司发起和开发，并获得BSD许可，可用于商业和研究领域。

在域内免费使用。OpenCV可用于开发实时图像处理、计算机视觉和模式识别程序。这个流程

该库还可以使用Intel的IPP进行加速。

OpenCV是用C++语言编写的，其主界面也是C++语言，但还是保留了很多C语言的内容

语言界面。该库还具有广泛的Python、Java和MATLAB/OCTAVE接口。这些字

该语言的API接口函数可以通过在线文档获取。现在还提供对C#、Ch、Ruby和GO的支持。

安装OpenCV模块

OpenCV已经支持python模块。您可以直接使用pip安装它们。命令如下：

pip安装opencv-python

OpenCV基本使用

读取

显示图像是OpenCV最基本的操作之一，imshow()函数可以实现该操作。如果你用过的话

对于其他GUI框架背景，很自然地调用imshow()来显示图像。imshow()函数有两个参数：

显示图像的帧名称和要显示的图像本身。直接调用imshow()函数图像确实会显示出来，但是

它会消失。要确保始终显示在窗口上，请使用waitKey()函数。waitKey()函数的参数是

等待键盘触发的时间，单位毫秒，其返回值为-1

图像=cv2.imread(图像路径)

【示例】读取

导入cv2为cvimg=cv.imread('1.png')cv.imshow('输入图像',img)cv.waitKey(0)cv.destroyAllWindows()

我们首先读取图像，其中“1.png”是相对路径。注意读取图像的路径不能包含汉字，否则无法读取数据。我们发现如果不加waitkey，程序运行后会一闪而过。因此，waitKey(0)的作用就是等待键盘输入。

运行结果如下：

灰度转换

OpenCV中有数百种方法用于在不同颜色空间之间进行转换。目前，计算机视觉有以下三种方法

常用的色彩空间：灰度、BGR、HSV。

(1)灰度颜色空间通过去除颜色信息将其转换为灰度。灰度颜色空间对于中间处理特别有效。(2)BGR和蓝、绿、红色彩空间。每个像素由一个三元数组表示，分别代表蓝、绿、红三种颜色。Web开发人员可能熟悉另一个类似的色彩空间：RGB。它们仅在颜色顺序上有所不同。HSV，H是色调，S是饱和度，V代表暗度。灰度转换的目的是减少图像转换为灰度的计算强度。示例如下：

【示例】将灰度

导入cv2为cvimg=cv.imread('1.png')cv.imshow('输入图像',img)gray_img=cv.cvtColor(img,code=cv.COLOR_BGR2GRAY)cv.imshow('gray_image',gray_img)cv.waitKey(0)cv.destroyAllWindows()cv.imwrite('gray_lena.jpg',gray_img)

运行结果如下：

画图

OpenCV强大的体现之一就是可以任意编辑和处理图像。下面这个

该函数的最后一个参数指定画笔的大小。

【示例】画图

导入cv2为cvimg=cv.imread('1.png')x,y,w,h=50,50,80,80cv.rectangle(img,(x,y,x+w,y+h),颜色=(0,255,0),厚度=2)#color=BGRcv.circle(img,center=(x+w//2,y+h//2),半径=w//2,颜色=(0,0,255),thickness=2)cv.imshow('结果',img)cv.waitKey(0)cv.destroyAllWindows()

运行结果如下：

总结

随着人工智能的不断发展，机器学习技术变得越来越重要。很多人已经开始学习机器学习。本文介绍了机器学习的基本内容。介绍OpenCV中的图像处理。我们学习了如何安装模块，以及读取图像和图像处理。在下一篇文章中，我们将介绍Haar的概念以及如何检测和视频中的人脸。