《嵌入式人工智能技术应用》课件 1.6-OpenCV人脸识别算法基于视频流的方式实现人脸识别

项目一使用OpenCV实现人脸检测嵌入式人工智能技术应用OpenCV人脸识别算法基于视频流的方式实现人脸检测任务六职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务三OpenCV进行视频录制与视频读取回顾图像人脸检测；掌握使用视频流的方式实现人脸检测。能使用HaarCascade人脸模型检测视频流人脸；使用opencv采用视频流的方式进行实时人脸检测实验。职业能力目标01知识目标技能目标职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务六OpenCV人脸识别算法基于视频流的方式实现人脸检测

本实验将实现用OpenCV自带的级联分类器对USB摄像头采集的画面进行人脸检测并标注人脸框显示在触摸屏。任务描述任务要求使用级联分类器对单张图像进行人脸检测；基于线程类使用级联分类器对USB摄像头采集的画面进行人脸检测；标注人脸框并进行显示。任务描述与要求02职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务六OpenCV人脸识别算法基于视频流的方式实现人脸检测任务分析实现人脸检测可能会涉及到哪些步骤？根据自己的了解说说人脸检测和人脸识别的区别？任务分析与计划03任务计划表项目名称使用OpenCV实现人脸检测任务名称OpenCV人脸识别算法基于视频流的方式实现人脸检测计划方式自主设计计划要求请用4个计划步骤来完整描述出如何完成本次任务序号任务计划1

2

3

4

5

678

通过上面的思考，你是否对本任务要完成的工作有所了解？让我们一起来制订完成本次任务的实施计划吧！任务分析与计划03职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务六OpenCV人脸识别算法基于视频流的方式实现人脸检测04知识储备Cascade模型2人脸检测13ROI人脸检测04

人脸检测是指对于任意一幅给定的图像，采用一定的策略对其进行搜索以确定其中是否含有人脸，如果是则返回人脸的位置、大小和姿态。

通过人脸检测后再进行人脸识别就可以实现日常生活中应用。例如：扫脸解锁手机，扫脸支付，扫脸开门。人脸检测04色彩空间是人类为了描述不同频率的光，而建立出的色彩模型。不同通道的表示方式有所不同。除了OpenCV默认的BGR色彩空间，还有两个常用的色彩空间：HSV色彩空间和GRAY色彩空间。其中HSV色彩空间和BGR色彩空间都可以表示彩色色彩空间，都是使用三维数组表示的。而GRAY色彩空间在只能表示灰度图像。色彩通道Cascade模型04知识储备人脸检测213ROICascade分类器04CascadeClassifier，是Opencv中做人脸检测的时候的一个级联分类器。现在有两种选择：一是使用老版本的CvHaarClassifierCascade函数，二是使用新版本的CascadeClassifier类。老版本的分类器只支持类Haar特征，而新版本的分类器既可以使用Haar，也可以使用LBP特征。CascadeClassifie级联分类器Cascade分类器04OpenCV中人脸识别是通过Haar特征的级联分类器实现。OpenCV里面实际上有很多预先训练好的HaarCascade模型(XML文件),例如正脸检测，眼睛检测，全身检测，下半身检测等。HaarCascadeCascade分类器04通过HaarCascade模型，输入图片，就可以获取人脸所在区域的矩形位置。模型的使用方法简单，首先载入对应的HaarCascade文件，文件格式为xml。这里已经将文件下载到了haar文件夹下，可以通过相对路径进行引用。├──haar

└──haarcascade_frontalface_default.xmlCascade模型04知识储备人脸检测213ROI2

ROI的全称是RegionOfInterest,用于表示在画面的子区域。整个画面的原点（0,0），在整个画面中的左上角。ROI本质上是Tuple类型的数据，其中（x,y）代表人脸所在矩形区域的左上角坐标，w代表矩形的宽度，h代表矩形的高度。04ROI职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务六OpenCV人脸识别算法基于视频流的方式实现人脸检测05任务实施视频流人脸检测2回顾图像人脸检测1回顾图像人脸检测05importcv2#设置图片路径img_path='./exp/face1.jpg'#载入带有人脸的图片img=cv2.imread(img_path)#将彩色图片转换为灰度图gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#载入人脸检测的Cascade模型FaceCascade=cv2.CascadeClassifier('./haar/haarcascade_frontalface_default.xml')#检测画面中的人脸faces=FaceCascade.detectMultiScale(gray,scaleFactor=1.1,minNeighbors=5)#遍历返回的face数组forfaceinfaces:#解析tuple类型的face位置数据

(x,y,w,h)=face#(x,y):左上角坐标值w:人脸矩形区域的宽度h:人脸矩形区域的高度#在原彩图上绘制矩形

cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),4)#创建一个窗口名字叫做FacedWindow('Face',flags=cv2.WINDOW_NORMAL|cv2.WINDOW_KEEPRATIO|cv2.WINDOW_GUI_EXPANDED)cv2.setWindowProperty('Face',cv2.WND_PROP_FULLSCREEN,cv2.WINDOW_FULLSCREEN)#全屏展示#在窗口Face上面展示图片imgcv2.imshow('Face',img)#等待任意按键按下cv2.waitKey(5000)05任务实施视频流人脸检测2回顾图像人脸检测1视频流人脸检测05（1）定义线程类1、通过上一份实验3.1视频流的图像显示与退出实验改写线程视频流类，来实现人脸检测功能；2、在init函数中传入定义标志位变量、打开摄像头、载入人脸检测的Cascade模型；3、将灰度图转换、人脸检测、绘制矩形框结合循环，通过循环的方式反复的将摄像头读取到的每一帧进行这3步操作，就能够进行视频流人脸检测；4、在run函数中构建视频窗口循环体里读取摄像头图像、灰度图转换、人脸检测、绘制矩形框、更新显示图片、图像显示的时长。5、在stop函数中定义标志位变量、摄像头释放、窗口释放；6、用线程的方式运行函数，再对视频进行人脸检测。视频流人脸检测05a=FaceDetectionThread()（2）实例化线程类实例化一个FaceDetectionThread()线程类，实例化对象为a。a.start()（3）启动线程线程对象a调用start()方法,开始执行FaceDetectionThread()线程类中的run()函数。a.stop()（4）关闭线程实例化对象a调用FaceDetectionThread()线程类中的stop()函数，来退出线程。职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务六OpenCV人脸识别算法基于视频流的方式实现人脸检测任务检查与评价06序号评价内容评价标准分值得分1知识运用（20%）掌握相关理论知识，理解本次任务要求，制定详细计划，计划条理清晰，逻辑正确（20分）20分

理解相关理论知识，能根据本次任务要求、制定合理计划（15分）了解相关理论知识，有制定计划（10分）无制定计划（0分）2专业技能（40%）完成回顾图像人脸检测、视频流人脸检测。（40分）40分

完成回顾图像人脸检测。（20分）没有回顾图像人脸检测。（0分）3核心素养（20%）具有良好的自主学习能力、分析解决问题的能力、整个任务过程中有指导他人（20分）20分

具有较好的学习能力和分析解决问题的能力，任务过程中无指导他人（15分）能够主动学习并收集信息，有请教他人进行解决问题的能力（10分）不主动学习（0分）4课堂纪律（20%）设备无损坏、设备摆放整齐、工位区域内保持整洁、无干扰课堂秩序（20分）20分

设备无损坏、无干扰课堂秩序（15分）无干扰课堂秩序（10分）干扰课堂秩序（0分）总得分1、请参照评价标准完成自评和对其他小组的互评。2、各组请代表分析本组任务实施经验。职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务六OpenCV人脸识别算法基于视频流的方式实现人脸检测任务小结07职业能力目标01任务描述与要求