基于OpenCV的人脸识别/人脸检测_opencv人脸识别分辨率

1：简介
人脸检测指从现实环境中识别出人脸的位置；

人脸识别基于人脸检测，下一步才能辨析人脸的属性，从而判别这个人是谁。

2：图像基本概念
帧：一张图
帧数：一秒钟刷新多少张图片
分辨率：单位大小所能承载的像素，能力为正相关
图像插值：提高图像分辨率
OpenCV提供了5种插值方法：最邻近、双线性、基于像素区域、立方插值及兰索斯插值（加粗的两个时间复杂度低）
介绍：引用 图像插值
灰度图：二值图像的拓展，在黑白两种颜色中取得灰色，黑，白，灰
人脸ROI
3：应用
用Haar级联来做人脸检测。 Haar级联通过在多个尺度上从图像中提取大量的简单特征来实现。
简单特征主要指边、线、矩形特征等，这些特征都非常易于计算，
然后通过创建一系列简单的分类器来做训练。
这里需要一个cascade_files去训练model。

先去我的Github取到需要的模型训练的.xml文件即cascade_file，下载到python脚本的文件夹下，下面的人脸检测及五官检测代码就直接可以运行了。
如果想看其他方面的人脸识别源码，请移步我的Github。

https://github.com/shaojintian/Face_detection/tree/master

#face_nose&eyes_detection.py
import cv2
import numpy as np

#import Haar files to train face detection model 

face_cascade=cv2.CascadeClassifier('cascade_files/haarcascade_frontalface_alt.xml')
nose_cascade=cv2.CascadeClassifier('cascade_files/haarcascade_mcs_nose.xml')
eye_cascade=cv2.CascadeClassifier('cascade_files/haarcascade_eye.xml')
# check whether haar is done 
if face_cascade.empty():
	raise IOError('Unable to load haarcascade_frontalface_alt')
if nose_cascade
1
2
3
4
5
6
7
8
9
10
11
12