嗨，我最親愛(ài)的伙計(jì)們，很高興我們又見(jiàn)面了。

做這個(gè)頭條號(hào)，就是鄙人的一點(diǎn)興趣，首先先感謝朋友們的關(guān)注。當(dāng)然我更希望認(rèn)識(shí)與計(jì)算機(jī)相關(guān)的領(lǐng)域的朋友咱們一起探討交流。重點(diǎn)說(shuō)一下，我是真人，不是那些扒文章的自媒體組織，大家可以相互交流的！

本篇文章我們來(lái)講一下關(guān)于AI相關(guān)的人臉追蹤，人臉識(shí)別相關(guān)的一些知識(shí)。當(dāng)然本篇教程為（上）部分，講一下利用python+opencv來(lái)實(shí)現(xiàn)人臉識(shí)別與追蹤，下部分，用python來(lái)通過(guò)指紋對(duì)比實(shí)現(xiàn)人臉驗(yàn)證、人臉解鎖（大家感興趣的可以提前關(guān)注哦）。

這兩節(jié)課呢，代碼量都不是很多，鄙人盡量多注釋點(diǎn)，便于大家理解。那我們就不多啰嗦廢話了，直接上干貨！

[[234571]]

OpenCV：

opencv目前來(lái)講是十分流行的視覺(jué)庫(kù)，而且可以支持多語(yǔ)言。說(shuō)到opencv就不得不說(shuō)它的cascades分類(lèi)器。

如果我們要判斷一張圖片是不是有一張臉，早期方式是通過(guò)成千上萬(wàn)的分類(lèi)器去從頭匹配到尾，這樣看并沒(méi)有什么什么毛病，但判斷的圖片多了呢？那可能需要猴年馬月。opencv的cascades呢，就把這些用來(lái)判斷人臉特征的容器劃分成多塊層層匹配，到一層不匹配就被丟棄。

這好比一群人去公司面試，公司***個(gè)要求是只要男人，那一批女人就走了，公司說(shuō)只要本科，一批專(zhuān)科走了，公司說(shuō)要兩年工作經(jīng)驗(yàn)的，又會(huì)走一批，直到***。這樣的工作量比每個(gè)人面試不管男女都過(guò)一遍流程輕松的多。

環(huán)境拓?fù)洌?/h2>

操作系統(tǒng)：windows7

python版本：2.7.14

opencv版本：3.x

環(huán)境配置：

1.安裝python（額...這個(gè)當(dāng)我沒(méi)說(shuō)）

2.安裝Opencv

這個(gè)從官網(wǎng)下載就OK啦：https://opencv.org/

印象中我記得當(dāng)初我下載的是3.3版本，但現(xiàn)在好像Github最近訪問(wèn)不了了，我不知道是不是我的Hosts的問(wèn)題還是怎么著，大家如果能訪問(wèn)可以給我留個(gè)言，我修復(fù)下hosts文件。如果大家也訪問(wèn)不了，可以留言或者私信，我把以前下載的opencv打包發(fā)給大家。

下載完之后直接解壓就行，推薦解壓到跟你的python安裝的父路徑。

3.使用pip安裝numpy

打開(kāi)cmd輸入：

pip install numpy 

進(jìn)行安裝，安裝完畢后會(huì)給提示。

4.找到你的opencv安裝路徑（比如我的是D盤(pán)）

復(fù)制D:opencvopencv3.xuildpython.7\x64路徑下的cv2.py

注意：我的windows版本為64位所以我選擇的是X64，如果你的是32位的話你需要選擇X86文件夾下的cv2.pyd

復(fù)制完之后，粘貼到你的python安裝路徑下的Lib/site-packages這個(gè)文件夾下。

完成上面這些就基本OK啦，我們?cè)趯?xiě)代碼之前先來(lái)測(cè)試一下，環(huán)境是否配置成功。

在CMD命令行下運(yùn)行python：

import numpy  
import cv2  

如果沒(méi)有報(bào)錯(cuò)，說(shuō)明安裝完成。

實(shí)現(xiàn)原理：

1.調(diào)用計(jì)算機(jī)攝像頭

cv2.Videocamture(0) 

2.將攝像頭數(shù)據(jù)按幀來(lái)?。ㄏ喈?dāng)于給每一幀圖片的人臉加框框）

cam.red() 

3.將每一幀攝像頭記錄的數(shù)據(jù)帶入opencv讓classifier去判斷人臉

detectMultiScale() 

4.如果存在人臉給人臉標(biāo)記畫(huà)框

cv2.rectangle() 

5.輸出畫(huà)框后的幀動(dòng)畫(huà)

cv2.imshow('My Camera',frame) 

代碼實(shí)現(xiàn)：

***步定義一個(gè)識(shí)別函數(shù)：

先放圖片，這個(gè)地方比較重要，我在下面會(huì)詳細(xì)的說(shuō)一下。

（代碼上部分）

6-7行代碼說(shuō)明：

首先創(chuàng)建classifier，為什么要弄這個(gè)呢？

引用的haarcascade開(kāi)頭的文件是opencv里面關(guān)于人臉級(jí)聯(lián)分類(lèi)器，你在opencv文件夾下的sourcesdatahaarcascades可以看到：

說(shuō)明功能：

人臉檢測(cè)器（默認(rèn)）：haarcascade_frontalface_default.xml

人臉檢測(cè)器（快速Harr）：haarcascade_frontalface_alt2.xml

人臉檢測(cè)器（側(cè)視）：haarcascade_profileface.xml

眼部檢測(cè)器（左眼）：haarcascade_lefteye_2splits.xml

眼部檢測(cè)器（右眼）：haarcascade_righteye_2splits.xml

嘴部檢測(cè)器：haarcascade_mcs_mouth.xml

鼻子檢測(cè)器：haarcascade_mcs_nose.xml

身體檢測(cè)器：haarcascade_fullbody.xml

人臉檢測(cè)器（快速LBP）：lbpcascade_frontalface.xml

1：haarcascade_frontalface_alt.xml

Stump-based 20x20 gentle adaboost frontal face detector.

2：haarcascade_frontalface_alt2.xml

Tree-based 20x20 gentle adaboost frontal face detector.

3：haarcascade_frontalface_alt_tree.xml

Stump-based 20x20 gentle adaboost frontal face detector.This detector uses tree of stage classifiers instead of a cascade

4：haarcascade_frontalface_default.xml

Stump-based 24x24 discrete(?) adaboost frontal face detector.

以上這四個(gè)鄙人都測(cè)試過(guò)，haarcascade_frontalface_alt.xml這個(gè)效果是***的，其它的大家可以單個(gè)測(cè)試。

設(shè)定灰度：

灰度的設(shè)定是為了增強(qiáng)面部輪廓的對(duì)比度，這是增加精度必不可少的。

核心代碼解剖：

DetectMultiScale 函數(shù)是一個(gè)檢測(cè)物體的通用函數(shù)，我們介紹一下：

gray：這是轉(zhuǎn)換成灰度后的圖片

scaleFactor：補(bǔ)償參數(shù)，一般設(shè)置值為1.1-1.5比較好，效果大家自己改著看

minNeighbors：對(duì)當(dāng)前其周?chē)卸嗌傥矬w進(jìn)行定義

minSize：設(shè)定窗口大小

flags：略抽象，選擇默認(rèn)或者上圖即可

畫(huà)方框：

定義xywh利用for循環(huán)讀取faces變量里面的坐標(biāo)，然后通過(guò)rectangle()函數(shù)進(jìn)行畫(huà)方框。

代碼下部分：

（代碼下部分）

OK，寫(xiě)完代碼之后，我們把上部分代碼跟下部分代碼拼湊起來(lái)，運(yùn)行下試一下：

大家湊合看吧，我筆記本cam有點(diǎn)渣，不過(guò)隨著人的晃動(dòng)，都可以***的識(shí)別出來(lái)，由于沒(méi)法上視頻，大家就自行測(cè)試吧。

實(shí)例代碼，鄙人還沒(méi)有打包，有需要的話，微頭條我會(huì)給大家發(fā)出去~