Python人脸识别技术实现
随着去年alphago 的震撼表现，AI 再次成为科技公司的宠儿。AI涉及的领域众多，图像识别中的人脸识别是其中一个有趣的分支。百度的BFR，Face++的开放平台，汉王，讯飞等等都提供了人脸识别的API，对于老码农而言，自己写一小段代码，来看看一张图片中有几个人，没有高大上，只是觉得好玩，而且只需要7行代码。
import cv2
face_patterns = cv2.CascadeClassifier('/usr/local/opt/opencv3/share/OpenCV/haarcascades/haarcascade_frontalface_default.xml')
sample_image = cv2.imread('/Users/abel/201612.jpg')
faces = face_patterns.detectMultiScale(sample_image,scaleFactor=1.1,minNeighbors=5,minSize=(100, 100))
for (x, y, w, h) in faces:
cv2.rectangle(sample_image, (x, y), (x+w, y+h), (0, 255, 0), 2)
cv2.imwrite('/Users/abel/201612_detected.png', sample_image);第1行 引入 OpenCV
开源是伟大的，使我们视野更开阔，而且不用重复造轮子。这里没有用PIL，再结合特定算法，而是直接使用了OpenCV(http://opencv.org)。OpenCV是一个基于BSD许可发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上，轻量而且高效，用C／C++编写，同时提供了Python、Ruby、MATLAB等接口，实现了图像处理和计算机视觉方面的很多通用算法。
第2行 加载分类器 cv2.CascadeClassifier
CascadeClassifier是Opencv中做人脸检测时候的一个级联分类器，该类中封装的是目标检测机制即滑动窗口机制+级联分类器的方式。数据结构包括Data和FeatureEvaluator两个主要部分。Data中存储的是从训练获得的xml文件中载入的分类器数据；而FeatureEvaluator中是关于特征的载入、存储和计算。这里采用的训练文件是OpenCV中默认提供的haarcascade_frontalface_default.xml。至于Haar，LBP的具体原理，可以参考opencv的相关文档，简单地，可以理解为人脸的特征数据。
第3行 加载目标图片 imread
人脸识别系统一般分为：人脸图像采集、人脸图像预处理、人脸图像特征提取以及匹配与识别。 简化起见，之间读入图片，这是一张去年中生代北京闭门会的集体照。 
第4行 多尺度检测 detectMultiScale
调用 CascadeClassifier 中的调detectMultiScale函数进行多尺度检测，多尺度检测中会调用单尺度的方法detectSingleScale。
参数说明：
- scaleFactor 是 图像的缩放因子
- minNeighbors 为每一个级联矩形应该保留的邻近个数，可以理解为一个人周边有几个人脸
- minSize 是检测窗口的大小
这些参数都是可以针对图片进行调整的，处理结果返回一个人脸的矩形对象列表。
第5行 和 第6行 为每个人脸画一个框
循环读取人脸的矩形对象列表，获得人脸矩形的坐标和宽高， 然后在原图片中画出该矩形框，调用的是OpenCV的rectangle 方法，其中矩形框的颜色等是可调整的。
第7行 保存检测后的结果
万事具备了，调用imwrite，将检测后的结果保存到指定的位置。结果图如下： 
神秘感不是这7行代码，而是OpenCV中的相关实现，OpenCV的中文网也是一个学习体会的好场所。
因此，7行代码只是个噱头，真正的核心是OpenCV。然后，安装OpenCV环境的时候就是有一些坑，特别记录一下。
基于Mac的OpenCV环境
建议使用Brew 安装，如果没有安装brew，先执行下面命令：
$/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)”
然后，指定目标仓库 $brew tap homebrew/science
安装OpenCV3 $brew install opencv3
安装速度取决于网络，安装完毕需要绑定Python开发环境，有多种土方法：
1）增加环境变量，将opencv 的site-packages 添加到PYTHONPATH中
2）使用ln 软连接，将cv2.so 链接到python 环境的 site-packages中
3）直接cp cv2.so 到 python 环境的 site-packages 目录下
更简单地是执行如下命令：
echo /usr/local/opt/opencv3/lib/python2.7/site-packages >> /usr/local/lib/python2.7/site-packages/opencv3.pth
mkdir -p /Users/hecom/.local/lib/python2.7/site-packages
echo 'import site; site.addsitedir("/usr/local/lib/python2.7/site-packages")' >> /Users/hecom/.local/lib/python2.7/site-packages/homebrew.pth对于强迫症患者
可以全面安装opencv的各种插件，如3方插件，视频插件等：
$brew install opencv3 --with-contrib --with-cuda --with-ffmpeg --with-tbb --with-qt5 <br>
可能会遇到很多坑，如 Error: You must ‘brew link texi2html’ before homebrew/science/opencv3 can be installed
当你执行 $brew link texi2html时又会遇错： Error: Cowardly refusing to 'sudo brew link' <br>You can use brew with sudo, but only if the brew executable is owned by root. <br>However, this is both not recommended and completely unsupported so do so atyour own risk
说明brew 的权限有问题， 需要解决： $sudo chown root:wheel ‘which brew’
在Ubuntu上OpenCV3的源码安装
在Ubantu上安装先要做一下准备活动
$ aptitude -f install $ sudo apt-get update
然后安装编译环境：
$sudo apt-get install build-essential
安装依赖库 $sudo apt-get install cmake Git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
还要安装python 依赖及其它依赖库 $sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
获得opencv源代码 git clone https://github.com/Itseez/opencv.git
终于可以编译安装了：
$cd opencv $cmake -D CMAKE_INSTALL_PREFIX=/home/opencv/build -D CMAKE_BUILD_TYPE=RELEASE ..
最后，安装python－opencv：
$sudo apt-get install python-opencv
OpenCV的Python环境简单验证
一行代码验证OpenCV的Python环境是否成功：
$python -c “import cv2; print dir(cv2)”
如果输出了很多cv2 的属性和函数名的字典，就表示成功；否则的话，还需要继续填坑。
下面关于OpenCV的文章您也可能喜欢，不妨参考下：
OpenCV的详细介绍：请点这里
OpenCV的下载地址：请点这里