Python基于opencv实现的人脸识别(适合初学者)

目录

• 一点背景知识
• 一、人脸识别步骤
•  二、直接上代码
• （1）录入人脸.py
• （2）数据训练.py
• （3）进行识别.py
• 三、运行过程及结果
• 1、获取人脸照片于目标文件中
• 2、进行数据训练，获得trainer.yml文件中的数据
• 3.进行识别       &编程客栈nbsp;
• 总结

一点背景知识

OpenCV 是一个开源的计算机视觉和机器学习库。它包含成千上万优化编程客栈过的算法，为各种计算机视觉应用提供了一个通用工具包。根据这个项目的关于页面，OpenCV 已被广泛运用在各种项目上，从谷歌街景的图片拼接，到交互艺术展览的技术实现中，都有 OpenCV 的身影。

OpenCV 起始于 1999 年 Intel 的一个内部研究项目。从那时起，它的开发就一直很活跃。进化到现在，它已支持如 OpenCL 和 OpenGL 等现代技术，也支持如 iOS 和 android 等平台。

1999 年，半条命发布后大红大热。Intel 奔腾 3 处理器是当时最高级的 CPU，400-500 MHZ 的时钟频率已被认为是相当快。2006 年 OpenCV 1.0 版本发布的时候，当时主流 CPU 的性能也只和 iPhone 5 的 A6 处理器相当。尽管计算机视觉从传统上被认为是计算密集型应用，但我们的移动设备性能已明显地超出能够执行有用的计算机视觉任务的阈值，带着摄像头的移动设备可以在计算机视觉平台上大有所为。

本文为简单易懂的人脸识别！

一、人脸识别步骤

 二、直接上代码

（1）录入人脸.py

import cv2
 
 
face_name = 'cjw'  # 该人脸的名字
 
 
# 加载OpenCV人脸检测分类器
face_cascade = cv2.CascadeClassifier("D:/BaiduNetdiskDownload/python/opencv/openchttp://www.cppcns.comv-4.5.1/"
                                     "data/haarcascades/haarcascade_frontalface_default.xml")
recognizer = cv2.face.LBPHFaceRecognizer_create()  # 准备好识别方法LBPH方法
 
 
camera = cv2.VideoCapture(0)  # 0:开启摄像头
success, img = camera.read()  # 从摄像头读取照片
W_size = 0.1 * camera.get(3)  # 在视频流的帧的宽度
H_size = 0.1 * camera.get(4)  # 在视频流的帧的高度
 
 
def get_face():
编程客栈    print("正在从摄像头录入新人脸信息 \n")
    picture_num = 0  # 设置录入照片的初始值
    while True:  # 从摄像头读取图片
        global success  # 设置全局变量
        global img  # 设置全局变量
        ret, frame = camera.read()  # 获得摄像头读取到的数据(ret为返回值,frame为视频中的每一帧)
        if ret is True:
            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  # 转为灰度图片
        else:
            break
 
        face_detector = face_cascade  # 记录摄像头记录的每一帧的数据，让Classifier判断人脸
        faces = face_detector.detectMultiScale(gray, 1.编程客栈3, 5)  # gray是要灰度图像，1.3为每次图像尺寸减小的比例，5为minNeighbors
 
        for (x, y, w, h) in faces:  # 制造一个矩形框选人脸(xy为左上角的坐标,w为宽，h为高)
            cv2.rectangle(frame, (x, y), (x + w, y + w), (255, 0, 0))
            picture_num += 1  # 照片数加一
            t = face_name
            cv2.imwrite("./data/1." + str(t) + '.' + str(picture_num) + '.jpg', gray[y:y + h, x:x + w])
            # 保存图像，将脸部的特征转化为二维数组，保存在data文件夹内
        maximums_picture = 13  # 设置摄像头拍摄照片的数量的上限
        if picture_num > maximums_picture:
            break
        cv2.waitKey(1)
 
 
get_face()

注意：加载分类器的文件地址；cv2.imwrite：保存图片的路径

（2）数据训练.py

import os
import cv2
from PIL import Image
import numpy as np
 
 
def getlable(path):
    facesamples = []  # 储存人脸数据(该数据为二位数组)
    ids = []  # 储存星门数据
    imagepaths = [os.path.join(path, f) for f in os.listdir(path)]  # 储存图片信息
    face_detector = cv2.CascadeClassifier('D:/BaiduNetdiskDownload/python/opencv/opencv-4.5.1/data/haarcascades/'
                                          'haarcascade_frontalface_alt2.xml')  # 加载分类器
    print('数据排列：', imagepaths)  # 打印数组imagepaths
    for imagePath in imagepaths:  # 遍历列表中的图片
        pil_img = Image.open(imagePath).convert('L')
        # 打开图片，灰度化，PIL的两种不同模式：
        # (1)1(黑白，有像素的地方为1，无像素的地方为0)
        # (2)L(灰度图像，把每个像素点变成0~255的数值，颜色越深值越大)
        img_numpy = np.array(pil_img, 'uint8')  # 将图像转化为数组
        faces = face_detector.detectMultiScale(img_numpy)  # 获取人脸特征
        id = int(os.path.split(imagePath)[1].split('.')[0])  # 获取每张图片的id和姓名
        for x, y, w, h in faces:  # 预防无面容照片
            ids.append(id)
            facesamples.append(img_numpy[y:y+h, x:x+w])
        # 打印脸部特征和id
        print('id:', id)
    print('fs:', facesamples)
    return facesamples, ids
 
 
if __name__ == '__main__':
    path = 'D:/BaiduNetdiskDownload/python/opencv/pythonProject/face1/data'  # 图片路径
    faces, ids = getlable(path)  # 获取图像数组和id标签数组和姓名
    recognizer = cv2.face.LBPHFaceRecognizer_create()  # 获取训练对象
    recognizer.train(faces, np.array(ids))
    recognizer.write('trainer/trainer.yml')   # 保存生成的人脸特征数据文件
 

（3） 进行识别.py

import cv2
import os
 
 
# 加载训练数据集文件
recogizer = cv2.face.LBPHFaceRecognizer_create()
recogizer.read('trainer/trainer.yml')  # 获取脸部特征数据文件
names = []
warningtime = 0
 
 
def face_detect_demo(img):
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转换为灰度图像
    face_detector = cv2.CascadeClassifier('D:/BaiduNetdiskDownload/python/opencv/opencv-4.5.1/'
                                          'data/haarcascades/haarcascade_frontalface_default.xml')  # 加载分类器
    face = face_detector.detectMultiScale(gray, 1.3, 5, cv2.CASCADE_SCALE_IMAGE, (100, 100), (300, 300))
    # 进行识别，把整张人脸部分框起来
    for x, y, w, h in face:
        cv2.rectangle(img, (x, y), (x+w, y+h), color=(0, 0, 255), thickness=2)  # 矩形
        cv2.circle(img, center=(x+w//2, y+h//2), radius=w//2, color=(0, 255, 0), thickness=1)  # 圆形
        ids, confidence = recogizer.predict(gray[y:y + h, x:x + w])  # 进行预测、评分
        if confidence > 80:
            global warningtime
            warningtime += 1
            if warningtime > 100:  # 警报达到一定次数，说明不是这个人
                warningtime = 0
            cv2.putText(img, 'unkonw', (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
        else:
            cv2.putText(img, str(names[ids-1]), (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
            # 把姓名打到人脸的框图上
    cv2.imshow('result', img)
    # print('bug:',ids)
 
 
def name():
    path = 'D:/BaiduNetdiskDownload/python/opencv/pythonProject/face1/data'
    imagepaths = [os.path.join(path, f) for f in os.listdir(path)]
    for imagePath in imagepaths:
        name1 = str(os.path.split(imagePath)[1].split('.', 2)[1])
        names.append(name1)
 
 
cap = cv2.VideoCapture('3.mp4')
name()
while True:
    flag, frame = cap.read()  # 获得摄像头读取到的数据(flag为返回值,frame为视频中的每一帧)
    if not flag:
        break
    face_detect_demo(frame)
    if ord(' ') == cv2.waitKey(10):  # 按空格，退出
        break
cv2.destroyAllWindows()
cap.release()
# print(names)

三、运行过程及结果

1、获取人脸照片于目标文件中

2、进行数据训练，获得trainer.yml文件中的数据

3.进行识别         

总结

到此这篇关于Python基于opencv实现的人脸识别的文章就介绍到这了,更多相关opencv人脸识别内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！