pythonopencv模板匹配
① 如何使用python，基於OpenCV與Face++實現人臉解鎖的功能
Windows 8.1上配置跡鏈逗OpenCV
入門的時候配置環境總是一個非常麻煩的事情，在Windows上配置OpenCV更是如此。
既然寫了這個推廣的科普教程，總不能讓讀者卡在環境配置上吧。
下面用到的文件都可以在 這里 （提取碼：b6ec）下載，但是注意，目前OpenCV僅支持Python2.7。
將cv2加入site-packages
將下載下來的 cv2.pyd 文件放入Python安裝的文件夾下的 Libsite-packages 目錄。
就我的電腦而言，這個目錄就是 C:Python27Libsite-packages 。
記得不要直接使用pip安裝，將文件拖過去即可。
安裝numpy組件
在命令行下進入到下載下來的文件所在的目錄（按住Shift右鍵有在該目錄打開命令行的選項）
鍵入命令：
pipinstallnumpy-1.11.0rc2-cp27-cp27m-win32.whl
如果你的系統或者Python不適配，可以在 這里 下載別的輪子。
測試OpenCV安裝
在命令行鍵入命令：
python -c "import cv2"
如果沒有出現錯誤提示，那麼cv2就已經安裝好了。
OpenCV的人臉檢測應用
人臉檢測應用，姿賣簡而言之就是一個在照片里找到人臉，然後用方框框起來的過程（我們的相機經常做這件事情）
那麼具體而言就是這樣一個過程：
獲取攝像頭的圖片
在圖片中檢測到人臉的區域
在人臉的區域周圍繪制方框
獲取攝像頭的圖片
這里簡單的講解一下OpenCV的基本操作。
以下操作是打開攝像頭的基本操作：
#coding=utf8
importcv2
# 一般筆記本的默認攝像頭都是0
capInput = cv2.VideoCapture(0)
# 我們可以用這條命令檢測攝像頭是否可以讀取數據
if not capInput.isOpened(): print('Capture failed because of camera')
那麼怎麼從攝像頭讀取數據呢？
# 接上段程序
# 現在攝像頭已經打開了，我們可以使用這條命令讀取圖像
# img就是我們讀取到的圖像，就和我們使用open('pic.jpg', 'rb').read()讀取到的數據是一樣的
ret, img = capInput.read()
# 你可以使用open的方式存儲，也可以使用cv2提供的方式存儲
cv2.imwrite('pic.jpg', img)
# 同樣，你可以使用open的方式讀取，也可以使用cv2提供的方式讀取
img = cv2.imread('pic.jpg')
為了方便顯示圖片喚清，cv2也提供了顯示圖片的方法：
# 接上段程序
# 定義一個窗口，當然也可以不定義
imgWindowName = 'ImageCaptured'
imgWindow = cv2.namedWindow(imgWindowName, cv2.WINDOW_NORMAL)
# 在窗口中顯示圖片
cv2.imshow(imgWindowName, img)
當然在完成所有操作以後需要把攝像頭和窗口都做一個釋放：
# 接上段程序
# 釋放攝像頭
capInput.release()
# 釋放所有窗口
cv2.destroyAllWindows()
在圖片中檢測到人臉的區域
OpenCV給我們提供了已經訓練好的人臉的xml模板，我們只需要載入然後比對即可。
# 接上段程序
# 載入xml模板
faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# 將圖形存儲的方式進行轉換
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 使用模板匹配圖形
faces = faceCascade.detectMultiScale(gray, 1.3, 5)
print(faces)
在人臉的區域周圍繪制方框
在上一個步驟中，faces中的四個量分別為左上角的橫坐標、縱坐標、寬度、長度。
所以我們根據這四個量很容易的就可以繪制出方框。
# 接上段程序
# 函數的參數分別為：圖像，左上角坐標，右下角坐標，顏色，寬度
img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
成果
根據上面講述的內容，我們現在已經可以完成一個簡單的人臉辨認了：
#coding=utf8
importcv2
print('Press Esc to exit')
faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
imgWindow = cv2.namedWindow('FaceDetect', cv2.WINDOW_NORMAL)
defdetect_face():
capInput = cv2.VideoCapture(0)
# 避免處理時間過長造成畫面卡頓
nextCaptureTime = time.time()
faces = []
if not capInput.isOpened(): print('Capture failed because of camera')
while 1:
ret, img = capInput.read()
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
if nextCaptureTime
使用Face++完成人臉辨識
第一次認識Face++還是因為支付寶的人臉支付，響應速度還是非常讓人滿意的。
現在只需要免費注冊一個賬號然後新建一個應用就可以使用了，非常方便。
他的官方網址是 這個 ，注冊好之後在 這里 的我的應用中創建應用即可。
創建好應用之後你會獲得API Key與API Secret。
Face++的API調用邏輯簡單來說是這樣的：
上傳圖片獲取讀取到的人的face_id
創建Person，獲取person_id（Person中的圖片可以增加、刪除）
比較兩個face_id，判斷是否是一個人
比較face_id與person_id，判斷是否是一個人
上傳圖片獲取face_id
在將圖片通過post方法上傳到特定的地址後將返回一個json的值。
如果api_key, api_secret沒有問題，且在上傳的圖片中有識別到人臉，那麼會存儲在json的face鍵值下。
#coding=utf8
importrequests
# 這里填寫你的應用的API Key與API Secret
API_KEY = ''
API_SECRET = ''
# 目前的API網址是這個，你可以在API文檔里找到這些
BASE_URL = 'http://apicn.faceplusplus.com/v2'
# 使用Requests上傳圖片
url = '%s/detection/detect?api_key=%s
創建Person
這個操作沒有什麼可以講的內容，可以對照這段程序和官方的API介紹。
官方的API介紹可以見 這里 ，相信看完這一段程序以後你就可以自己完成其餘的API了。
# 上接上一段程序
# 讀取face_id
if not facesis None: faceIdList = [face['face_id'] for facein faces]
# 使用Requests創建Person
url = '%s/person/create'%BASE_URL
params = {
'api_key': API_KEY,
'api_secret': API_SECRET,
'person_name': 'LittleCoder',
'face_id': ','.join(faceIdList), }
r = requests.get(url, params = params)
# 獲取person_id
print r.json.()['person_id']
進度確認
到目前為止，你應該已經可以就給定的兩張圖片比對是否是同一個人了。
那麼讓我們來試著寫一下這個程序吧，兩張圖片分別為』pic1.jpg』, 『pic2.jpg』好了。
下面我給出了我的代碼：
defupload_img(fileDir, oneface = True):
url = '%s/detection/detect?api_key=%s
成品
到此，所有的知識介紹都結束了，相比大致如何完成這個項目各位讀者也已經有想法了吧。
② 使用OpenCV進行模板匹配（原圖-模板圖）
匹配演算法有很多，比如最簡單的對比原圖和模板圖的像素值。
但是這種方法稍微有一點旋轉和光照變化結果就會很差。
為了改進這個，有了SAD演算法。
然後SAD相似的SSD。
再然後是計算區域互相關性的NCC演算法。
以上三種演算法中，SAD演算法最簡單，因此當模板大小確定後，SAD演算法的速度最快。NCC演算法與SAD演算法相比要復雜得多。
至於演算法的過程，這三個演算法都是很好理解的演算法，我覺得還是自學比較好。