python中OpenCV实现人脸识别的实例详解

TIME:2018-03-29

主要有以下步骤：

1、人脸检测

2、人脸预处理

3、从收集的人脸训练机器学习算法

4、人脸识别

5、收尾工作

人脸检测算法：

基于Haar的脸部检测器的基本思想是，对于面部正面大部分区域而言，会有眼睛所在区域应该比前额和脸颊更暗，嘴巴应该比脸颊更暗等情形。它通常执行大约20个这样的比较来决定所检测的对象是否为人脸，实际上经常会做上千次。

基于LBP的人脸检测器基本思想与基于Haar的人脸检测器类似，但它比较的是像素亮度直方图，例如，边缘、角落和平坦区域的直方图。

这两种人脸检测器可通过训练大的图像集找到人脸，这些图像集在opencv中存在XML文件中以便后续使用。

这些级联分类检测器通常至少需使用1000个独特的人脸图像和10000个非人脸图像作为训练，训练时间一般LBP要几个小时，

Haar要一个星期。

项目中的关键代码如下：