python猫咪藏在哪个房间_Python实现猫脸识别 | 喵主子福利
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 cv2from 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 cascadescatface_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 imageimg1 = 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
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！