Python实现猫脸识别 | 喵主子福利

共 3190字,需浏览 7分钟

 ·

2020-11-05 18:10


一篇文章带你了解Python实现猫脸识别


本文将向您展示如何编写一个简单的猫脸检测程序。在程序中同时结合了人脸和猫脸的检测模型,让机器学会区分人和猫。这听起来就像是非常有趣的一个项目~

Library

在进行机器学习项目时,必须学会安装和导入库,这将使我们的工作事半功倍。在这个项目中将用到OpenCV和Pillow这两个库。OpenCV是一个高度优化的库,专注于实时应用程序。Pillow则是一个很棒的图像处理库。Pillow库常常使用“pip install pillow”进行安装,但是在我们实际import使用时,需要import PIL进行使用。这两个其实是同一种意思,不必感到困惑。

OpenCV(开源计算机视觉库)是一个开源计算机视觉和机器学习软件库。OpenCV的构建旨在为计算机视觉应用程序提供通用的基础结构,并加速在商业产品中使用机器感知。作为BSD许可的产品,OpenCV使企业可以轻松地使用和修改代码。

上述两个库的安装过程非常简单,在cmd窗口中写入以下代码行即可:
pip install opencv-python pillow
安装完成后,我们可以将其导入到我们的程序中:
import cv2 from PIL import Image
OpenCV已经包含许多针对面部,眼睛,微笑等进行过预训练的分类器。这些.xml文件存储在GitHub文件夹中。 我们将使用猫脸检测和人脸检测模型。

链接如下:
猫脸:
https://raw.githubusercontent.com/opencv/opencv/master/data/haarcascades/haarcascade_frontalcatface_extended.xml
人脸:
https://raw.githubusercontent.com/opencv/opencv/master/data/haarcascades/haarcascade_frontalface_default.xml

你可以选择从Github下载XML文件。或者可以从上面的链接复制代码并粘贴到文本编辑器中并保存它们。我把它们命名为“ catface_detector.xml”和“ humanface_detector.xml”。

将文件保存到文件夹后,让我们通过下列代码将上述数据加载到程序中:
# Load the cascades catface_cascade = cv2.CascadeClassifier('catface_detector.xml') humanface_cascade = cv2.CascadeClassifier('humanface_detector.xml')

图像数据集

在这一步中,我们需要选择代码测试所需要的图像。确保至少有两张图片来检测程序的准确性。这些图像可以同时有人和猫,或者只是其中一个。

下面是我将要进行测试的两张图片:

选择图像后,对它们进行重命名。当然要确保图像文件位于当前程序处理的文件夹。然后对图像做一些必要的预处理。

图像预处理

在这一步中我们将对图像进行一些处理,以便模型能够得到更准确的结果。首先调整图像的尺寸,让它们保持相同的大小。然后将它们转化为灰度图像,因为我们的模型对于灰度图像的检测速度更快,同时色彩对检测结果的影响微乎其微。

下面我们将用到文章开头安装的库对图像进行上述处理。

调整大小
newsize = (600, 600) #First image retouchesimgr1 = Image.open("test1.jpg") imgr1 = imgr.resize(newsize) imgr1.save("resized1.jpg")#Second image retouchesimgr2 = Image.open("test2.jpg") imgr2 = imgr.resize(newsize) imgr2.save("resized2.jpg")
灰度化
imgr1 = imgr1.convert('L') imgr1.save('ready1.jpg') imgr2 = imgr2.convert('L') imgr2.save("ready2.jpg")
导入预处理后的图像

最后,将处理好的图像导入到我们的程序中,这样我们就可以运行猫脸和人脸检测模型了。我们使用的是Opencv库来导入图像。
# Read the input image img1 = cv2.imread('ready1.jpg') img2 = cv2.imread('ready2.jpg')
面部识别

检测

现在该检测面部了。我们将运行两行代码。首先检测图像中的人脸。第二行是检测图像中的猫脸。如上所述,我们使用的是opencv内置的分类器。
human_faces = humanface_cascade.detectMultiScale(img1,     scaleFactor=1.3, minNeighbors=5, minSize=(75, 75)) cat_faces = catface_cascade.detectMultiScale(img2, scaleFactor=1.3, minNeighbors=5, minSize=(75, 75))
绘制矩形

在这一步中,我们将围绕检测到的面部绘制矩形。当然这些矩形可以有不同的颜色,它的宽度也是可以调整的。
for (i, (x, y, w, h)) in enumerate(human_faces): cv2.rectangle(img1, (x, y), (x+w, y+h), (220, 90, 230), 3)         cv2.putText(img1, "Human Face - #{}".format(i + 1), (x, y - 10),    cv2.FONT_HERSHEY_SIMPLEX, 0.55, (220, 90, 230), 2) 
for (i, (x, y, w, h)) in enumerate(cat_faces): cv2.rectangle(img2, (x, y), (x+w, y+h), (0,255, 0), 3) cv2.putText(img2, "Cat Faces - #{}".format(i + 1), (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.55, (0, 0, 255), 2)
注1:(220、90、230)和(0,255,0)是绘制的矩形的颜色。 可以更改一些这些值看看颜色如何变化;
注2:(3)是线条的粗细。同样也可以更改参数值并看看矩形的变化。

保存结果

最后,我们将保存带有检测到的面部的图像。这样就可以方便我们进行查看了。小编在这里提醒大家要确保变量名称的正确哦~代码如下所示:
#Saving the images using imwrite methodcv2.imwrite("faces_detected1.png", img1)cv2.imwrite("faces_detected2.png", img2)

结果

上面就是我们得到的结果。第一张图像检测到的是人脸,第二张图像检测到的是猫脸。在我们的努力下,机器学会了区分人脸和猫脸!


resize之后的喵星人好像胖了哈哈哈哈哈哈·~~


·  END  ·



HAPPY LIFE

浏览 43
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报