利用Python cv2和CNN算法实现人脸识别

https://github.com/WhyEastOne/face_recognization

本代码在参考了该大神的一篇博客，里面讲解很详细，包括环境安装和算法，膜拜。。。https://blog.csdn.net/qq_42633819/article/details/81191308

本人在此基础上实现了自动匹配人类别并把姓名显示在图像上，仅供参考

1、读取包含各个人的文件夹：

labels = np.array(LabelEncoder().fit_transform(labels))#进行编码

#从指定路径读取训练数据
def load_dataset(path_name):images,labels = read_path(path_name)    #将输入的所有图片转成四维数组，尺寸为(图片数量*IMAGE_SIZE*IMAGE_SIZE*3)#我和闺女两个人共1200张图片，IMAGE_SIZE为64，故对我来说尺寸为1200 * 64 * 64 * 3#图片为64 * 64像素,一个像素3个颜色值(RGB)images = np.array(images)print(images.shape)    #标注数据，'WHY'文件夹下都是我的脸部图像，全部指定为0，另外一个文件夹下，全部指定为1#labels = np.array([0 if label.endswith('WHY') else 1 for label in labels])labels = np.array(LabelEncoder().fit_transform(labels))#进行编码return images, labels

2、在训练时自动读取类别数量

class Dataset:def __init__(self, path_name):#训练集self.train_images = Noneself.train_labels = None#验证集self.valid_images = Noneself.valid_labels = None#测试集self.test_images  = None            self.test_labels  = None#数据集加载路径self.path_name    = path_name#当前库采用的维度顺序self.input_shape = None#类别数量self.nb_classes = None

#类别数量
self.nb_classes = None

下面加载数据时也要定义类别，以供下面模型构建时传入。

3、在预测时匹配人名显示在图像上，下面这个函数即参考读取文件夹的思想，把图片对应标签存入labels变量：

#-------------------------获取图片对应的标签------------------------------------
import os
from sklearn.preprocessing import LabelEncoder,OneHotEncoder
path_name = './face_detect_database/data'
labels = []
def read_path(path_name): #读取类别，以便下面进行图像文字匹配
for dir_item in os.listdir(path_name):
#从初始路径开始叠加，合并成可识别的操作路径
full_path = os.path.abspath(os.path.join(path_name, dir_item))

if os.path.isdir(full_path): #如果是文件夹，继续递归调用
read_path(full_path)
else: #文件
if dir_item.endswith('.jpg') or dir_item.endswith('.png'):
if path_name not in labels:
labels.append(path_name)
return labels
labels = read_path(path_name)
labels = [name.split('\\')[-1] for name in labels]

读取视频中人脸并基于labels匹配显示姓名在图像上：

#文字提示是谁
cv2.putText(frame,'%s'%labels[faceID],
(x + 30, y + 30), #坐标
cv2.FONT_HERSHEY_SIMPLEX, #字体
1, #字号
(255,0,255), #颜色
2)

4、识别结果如下，每个人图片都各自简历文件夹，最好图片数量多，本次图片数量较少，匹配相对不是很准确，偶尔需要匹配几次才能匹配成功，离摄像头的距离远近以对识别效果也有一定影响