Thực hiện nhận diện khuôn mặt bằng Haar Cascade

Nhận diện khuôn mặt là một ứng dụng phổ biến trong lĩnh vực thị giác máy tính và được sử dụng rộng rãi trong các hệ thống an ninh, smartphone và phần mềm quản lý. Với thư viện OpenCV, bạn có thể dễ dàng thực hiện nhận diện khuôn mặt bằng phương pháp Haar Cascade, một kỹ thuật nổi tiếng nhờ tốc độ xử lý nhanh và độ chính xác cao với các bài toán cơ bản.

Trước khi bắt đầu, nếu bạn quan tâm đến các ứng dụng thị giác máy tính khác, hãy xem bài Tách nền ảnh đơn giản bằng OpenCV để biết cách xử lý nền ảnh hoặc bài Tạo mô hình phân loại ảnh chó mèo với TensorFlow để học về phân loại ảnh bằng mạng nơ-ron. Những kiến thức này sẽ giúp bạn có cái nhìn toàn diện hơn khi làm việc với dữ liệu hình ảnh.

Tổng quan bài toán nhận diện khuôn mặt

Bài toán nhận diện khuôn mặt yêu cầu chúng ta xác định các vùng trong hình ảnh có chứa khuôn mặt người. Phương pháp Haar Cascade hoạt động dựa trên việc sử dụng các đặc trưng Haar để tìm kiếm các mẫu đặc trưng của khuôn mặt trong ảnh.

Ưu điểm của phương pháp này là tốc độ xử lý nhanh, phù hợp cho các ứng dụng thời gian thực và không đòi hỏi phần cứng mạnh. Tuy nhiên, Haar Cascade nhạy cảm với góc nhìn và ánh sáng, nên chỉ phù hợp cho các trường hợp khuôn mặt rõ ràng, trực diện.

Trong bài này, chúng ta sẽ sử dụng file Haar Cascade XML có sẵn từ OpenCV, kết hợp với Python để nhận diện khuôn mặt trong ảnh tĩnh. Tất cả các bước sẽ thực hiện trên Google Colab để người mới học có thể dễ dàng thực hành.

Cài đặt và chuẩn bị môi trường làm việc

Google Colab là môi trường lập trình lý tưởng để chạy các đoạn mã Python mà không cần cài đặt phức tạp. Bạn chỉ cần truy cập Google Colab và tạo một notebook mới.

Trước khi bắt đầu, cần cài đặt OpenCV để xử lý hình ảnh. Chạy lệnh sau trên Colab:

# Cài đặt OpenCV
!pip install opencv-python

Sau khi cài đặt, chúng ta sẽ import các thư viện cần thiết:

import cv2
import matplotlib.pyplot as plt

# Link file Haar Cascade
cascade_url = 'https://github.com/opencv/opencv/raw/master/data/haarcascades/haarcascade_frontalface_default.xml'
cascade_file = 'haarcascade_frontalface_default.xml'

# Tải file Haar Cascade
import urllib.request
urllib.request.urlretrieve(cascade_url, cascade_file)

# Tải ảnh mẫu từ internet
img_url = 'https://raw.githubusercontent.com/opencv/opencv/master/samples/data/lena.jpg'
img_file = 'lena.jpg'
urllib.request.urlretrieve(img_url, img_file)

# Đọc ảnh bằng OpenCV
image = cv2.imread(img_file)

# Tải bộ phân loại Haar Cascade
face_cascade = cv2.CascadeClassifier(cascade_file)

# Chuyển ảnh sang grayscale
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# Phát hiện khuôn mặt
faces = face_cascade.detectMultiScale(
    gray_image, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30)
)

print(f"Phát hiện {len(faces)} khuôn mặt")

# Vẽ khung quanh khuôn mặt
for (x, y, w, h) in faces:
    cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)

# Hiển thị ảnh kết quả
plt.figure(figsize=(8, 8))
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.axis('off')
plt.title('Nhận diện khuôn mặt bằng Haar Cascade')
plt.show()