基于OpenCV人脸识别项目

一、首先进行人脸采集

import cv2 as cv
#打开摄像头
cap = cv.VideoCapture(0)
#采集的照片的数目
num = 1
#录入人员的姓名
face_id = input('采集编号:\n')
#录入人员的标签，每个人的标签不能相同
face_name = input('采集姓名:\n')
print('\n 正在打开摄像头。。。。。。。')
while (cap.isOpened()):
#捕获摄像头图像
ret_flag,vshow = cap.read()
#显示捕获的照片
cv.imshow("capture_test",vshow)
#图像刷新的频率，图像才能正常显示出来，返回1ms内按键按下的ASII码。
k = cv.waitKey(1)&0xff
#设置按键保存照片
if k == ord('s'):
#保存图片（保存路径以及文件命名方式）
cv.imencode(".jpg",vshow)[1].tofile("imgdata/"+str(face_idname)+"."+str(face_id)+'.'+str(num)+".jpg")
print("成功保存第"+str(num)+'张照片'+".jpg")
print("***********************")
num += 1
elif k == ord(' '):
break
#关闭摄像
cap.release()
#释放图像显示窗
cv.destroyAllWindows()

二、进行数据训练

人脸采集完成后，调用OpenCV库中的函数进行图片训练，将采集的图片转换成数组，进行存储。由于这里需要opencv自带的级联分类器文件，site-packages\cv2\data中，这里使了OpenCV自带的级联分类器haarcascade_frontalface_default.xml。

不同人的Python环境不一样，这里的级联分类器是我的电脑里面的，你们在使用时先找到自己级联分类器的位置。最后将训练好的数据存储在train.yml文件中。

数据训练代码如下:
import os
import cv2
from PIL import Image
import numpy as np

def getImageAndlabels(path):
#人脸数据数据
facesSamples = []
#人标签
ids = []
#读取所有的照片的名称（os.listdir读取根目录下文件的名称返回一个列表，os.path.join将根目录和文件名称组合形成完整的文件路径）
imagePaths = [os.path.join(path,f) for f in os.listdir(path)]
#调用人脸分类器（注意自己文件保存的路径，英文名）
face_detect = cv.CascadeClassifier('D:/python/OpenCV/haarcascade_frontalface_default.xml')
#循环读取照片人脸数据
for imagePath in imagePaths:
#用灰度的方式打开照片
PIL_img = Image.open(imagePath).convert('L')
#将照片转换为计算机能识别的数组OpenCV（BGR--0-255）
img_numpy = np.array(PIL_img,'uint8')
#提取图像中人脸的特征值
faces = face_detect.detectMultiScale(img_numpy)
#将文件名按“.”进行分割
id = int(os.path.split(imagePath)[1].split('.')[0])
#防止无人脸图像
for x,y,w,h in faces:
ids.append(id)
facesSamples.append(img_numpy[y:y+h,x:x+w])
return facesSamples,ids

if __name__ == '__main__':
#人脸图片存放的文件夹
path = 'imgdata'
faces, ids = getImageAndlabels(path)
recognizer=cv2.face.LBPHFaceRecognizer_create()
#训练数据
recognizer.train(faces, np.array(ids))
#将训练的系统保存在特定文件夹
recognizer.write('trainer/trainer.yml')

三、人脸识别

完成上面两部之后，这个项目基本完成了，这里进行最后一步，进行人脸识别，首先通过使用imageDraw函数将人脸位置画出来，然后在和之前训练的如图进行匹配，在进行识别的时候光照明暗度不同可能会导致识别的自信度不一样，大家也可以通过其他方法进行改进算法。

代码如下:

import os
import cv2
from PIL import *
import numpy as np

#加载训练数据集文件
recogizer=cv2.face.LBPHFaceRecognizer_create()
#读取训练好的系统文件
recogizer.read('trainer/trainer.yml')
#存储人脸库中人员的名字
names=[]
#对应的标签
idn = []
#准备识别的图片
def face_detect_demo(img):
#转换为灰度
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#调用下载好的人脸分类器
face_detector = cv2.CascadeClassifier('D:/python 3.10.1/OpenCV/haarcascade_frontalface_default.xml')
#读取图像中人脸的特征值（返回值为人脸的相关坐标和长宽）
face=face_detector.detectMultiScale(gray,1.1,5,0,(100,100),(800,800))
for x,y,w,h in face:
#把人脸框起来
cv2.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
# 人脸识别
ids, confidence = recogizer.predict(gray[y:y + h, x:x + w])
if confidence > 60:
img = cv2AddChineseText(img, "外来人员"+str(int(confidence)), (x+10, y+10), (0, 255, 0), 30)

else:

img = cv2AddChineseText(img, str(names[idn.index(ids)])+str(int(confidence)), (x+10, y-25), (0, 255, 0), 30)

cv2.imshow('result',img)

def cv2AddChineseText(img, text, position, textColor=(0, 255, 0), textSize=30):

if (isinstance(img, np.ndarray)): # 判断是否OpenCV图片类型

img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB ))

# 创建一个可以在给定图像上绘图的对象

draw = ImageDraw.Draw(img)

# 字体的格式

fontStyle = ImageFont.truetype(

"simsun.ttc", textSize, encoding="utf-8")

# 绘制文本

draw.text(position, text, textColor, font=fontStyle)

# 转换回OpenCV格式

return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)

def name():

path = './imgdata/'

imagePaths=[os.path.join(path,f) for f in os.listdir(path = './imgdata/'

imagePaths=[os.path.join(path,f) for f in os.listdir(path)]

for imagePath in imagePaths:

name = str(os.path.split(imagePath)[1].split('.',3)[1])

id = int(os.path.split(imagePath)[1].split('.',3)[0])

names.append(name)

idn.append(id)

cap=cv2.VideoCapture(0)

name()

while True:

flag,frame=cap.read()

if not flag:

break

face_detect_demo(frame)

if ord(' ') == cv2.waitKey(10):

break

cv2.destroyAllWindows()

cap.release()

四、结果如下

基于OpenCV人脸识别项目相关推荐

基于opencv人脸识别
基于opencv平台实现人脸识别.mac os建议使用pycharm ce 编译器使用Xcode 第一步建立代码运行的环境打开pycharm ce 终端或者mac 终端输入pip install ...
opencv 人脸识别_python基于openCV人脸识别18行代码实现
人脸识别一.安装 1.打开命令行,输入pip install numpy,安装numpy. 2.安装opencv. pip install opencv-python 二.实现 (1)获取人脸识别训 ...
基于OpenCV人脸识别Eigenfaces（特征脸）算法、Fisherfaces算法、Local Binary, Patter Histogram（LBPH）算法认识
一.Eigenfaces(特征脸)算法在如今的世界,人脸识别也变得越来越重要,应用越来越广泛,比如人脸识别可用于身份认证.摄影.支付.视频等领域.现在人脸识别一般采用三种经典算法:Eigenface ...
基于python opencv人脸识别的员工考勤系统
WorkAttendanceSystem 一个基于opencv人脸识别的员工考勤系统,作者某双一流A类大学里的一流学生,写于2018/09/,python课设期间. 源代码详细解释请关注微信公众号: ...
基于python opencv人脸识别的签到系统
基于python opencv人脸识别的签到系统前言先看下效果实现的功能开始准备页面的构建功能实现代码部分总结前言一个基于opencv人脸识别和TensorFlow进行模型训练的人 ...
C# .Net5 OpenCV人脸识别提取人脸特征提取
基于OpenCV人脸识别并出提取人脸翻遍了百度只有WPF跟WinForm的,这个可以支持Asp.Net .NetCore,本人用来网页端上传头像,后端先保存网页传入的照片再进行照片处理就OK了. ...
【功能超全】基于OpenCV车牌识别停车场管理系统软件开发【含python源码+PyqtUI界面+功能详解】-车牌识别python 深度学习实战项目
车牌识别基础功能演示摘要:车牌识别系统(Vehicle License Plate Recognition,VLPR) 是指能够检测到受监控路面的车辆并自动提取车辆牌照信息(含汉字字符.英文字母.阿 ...
OpenCV+百度云人脸识别项目及源码
OpenCV+百度云人脸识别项目及源码 1.需要的硬件环境虚拟机带有摄像头的电脑 2.整体项目的框架用Opencv识别人脸,上传百度云进行识别对比 3.虚拟机上需要装的库 sudo apt-ge ...
史上最简单的人脸识别项目登上GitHub趋势榜
来源 | GitHub Trending整理 | Freesia译者 | TommyZihao出品 | AI科技大本营(ID: rgznai100) 导读:近日,一个名为 face_recogniti ...
基于虹软人脸识别，实现RTMP直播推流追踪视频中所有人脸信息（C#）
大家应该都知道几个很常见的例子,比如在张学友的演唱会,在安检通道检票时,通过人像识别系统成功识别捉了好多在逃人员,被称为逃犯克星:人行横道不遵守交通规则闯红灯的路人被人脸识别系统抓拍放在大屏上以示警告 ...

基于OpenCV人脸识别项目

基于OpenCV人脸识别项目相关推荐

最新文章

热门文章