Python-OpenCV创建人脸识别器

1、打开摄像头进行人脸识别

#导入相关库
import numpy as np
import cv2 #要加载人脸检测相关的pre-trained分类器，级联检测器
detector = cv2.CascadeClassifier(r'C:\Users\lmy\AppData\Local\Packages\Microsoft.MicrosoftEdge_8wekyb3d8bbwe\TempState\Downloads\opencv-4.1.2\data\haarcascades\haarcascade_frontalface_alt_tree.xml')
#测试一下摄像头
cap = cv2.VideoCapture(0)  #调用你电脑的0号摄像头
ret, img = cap.read()  #从摄像头获取到图像，这个函数返回了两个变量，第一个为布尔值表示成功与否，以及第二个是图像。
cv2.imshow('windowname', img)  #imshow()展示图片。其第一个传入的参数为窗口的名称，而第二个就是要展示的图片，以上代码传入的就是我们的自拍。
cv2.waitKey(0)  #waitKey是用来停在图片的展示界面，单位是毫秒。这里填0就是一直停着，如果停留的时间不够久，就可能看不见imshow的照片了。#将图片先转换为灰度图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = detector.detectMultiScale(gray,1.3,5)  #人脸检测，第二个参数是移动距离，第三个参数是识别度，越大识别读越高。
#这句代码会等到一串list，list中的每个都有x, y, height, width四个变量。其中list表示检测到的人脸，即list的size就是人脸的个数，而每个人脸在图片中的位置是（x, y, height, width）。#为了能让我们更直观地看出来检测结果，我们将这些人脸用方框框出来：
for (x, y, w, h) in faces:cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
cv2.imshow('frame', img)
cv2.waitKey(0)#以上已经可以检测到静态图片的人脸，之后通过循环，检测的实时动态视频流，最终在显示在新窗口中。
while True:#逐帧捕获ret, img = cap.read()gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)faces = detector.detectMultiScale(gray, 1.3, 5)for (x, y, w, h) in faces:cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)cv2.imshow('frame', img)if cv2.waitKey(1) & 0xFF == ord('q'):print('Finish!')breakcap.release() # 释放摄像头资源
cv2.destroyAllWindows()

2、抓取人脸训练数据

detector=cv2.CascadeClassifier(r'C:\Users\lmy\AppData\Local\Packages\Microsoft.MicrosoftEdge_8wekyb3d8bbwe\TempState\Downloads\opencv-4.1.2\data\haarcascades\haarcascade_frontalface_default.xml')
#这个xml文件，就是opencv在GitHub上共享出来的具有普适的训练好的数据。我们可以直接的拿来使用。说白了，就是根据训练的数据来对新图片进行识别的过程。
sampleNum = 0
Id = input('enter your id: ')
#训练数据集生成循环
while True:ret, img = cap.read()gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)faces = detector.detectMultiScale(gray, 1.3, 5)  #人脸检测。for (x, y, w, h) in faces:cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)  #这些人脸框出来sampleNum = sampleNum + 1 # 增加例子数 cv2.imwrite("Pictures/opcv/User." + str(Id) + '.' + str(sampleNum) + ".jpg", gray[y:y + h, x:x + w])  #，保存在../Pictures/opcv文件夹下，命名规则为User.[ID].[SampleNumber].jpg。如果是1号人的第十张照片，我们可以将它命名为User.1.10.jpg。cv2.imshow('frame', img)if cv2.waitKey(100) & 0xFF == ord('q'):breakelif sampleNum > 200: # 超过200张就停break    cap.release()
cv2.destroyAllWindows()

3、根据人脸训练数据，训练一个人脸识别器

from PIL import Image  #PIL(pillow)库可以完成图像归档和图像处理两方面功能需求
#（1）图像归档：对图像进行批处理、生成图像预览、图像格式转换等；
#（2）图像处理：图像基本处理、像素处理、颜色处理等。#1、初始化识别器和人脸检测器：
recognizer = cv2.face.LBPHFaceRecognizer_create()  #训练器，LBP是一种特征提取方式，能提取出图像的局部的纹理特征
'''
# 有可能是
recognizer = cv2.createLBPHFaceRecognizer()
如果face.LBPHFaceRecognizer_create或createLBPHFaceRecognizer显示不存在，则需要下载opencv-contrib-python：
pip install opencv-contrib-python(须先更新pip，pip install --upgrade pip)
从OpenCV 3开始，您必须获取并构建opencv_contrib存储库。然后你可以使用子模块“face”
'''
detector = cv2.CascadeClassifier(r'C:\Users\lmy\AppData\Local\Packages\Microsoft.MicrosoftEdge_8wekyb3d8bbwe\TempState\Downloads\opencv-4.1.2\data\haarcascades\haarcascade_frontalface_default.xml')#2、载入训练数据
#现在我们来创建一个函数，用于从数据集文件夹中获取训练图片，然后从图片的文件名中获取到这个素材相应的id。
def get_images_and_labels(path):image_paths = [os.path.join(path, f) for f in os.listdir(path)]  #从数据文件夹中载入训练图片face_samples = []  #存放ids = []           #存放for image_path in image_paths:                          #遍历图片路径，导入图片和id，添加到list：image = Image.open(image_path).convert('L')        #使用了Image.open(image_path).convert(‘L’)通过图片路径并将其转换为灰度图片。image_np = np.array(image, 'uint8')  #np.array(image, 'uint8')将图片转换成了Numpy数组，Numpy数组的逻辑结构和普通的数组无异，但是是经过优化的if os.path.split(image_path)[-1].split(".")[-1] != 'jpg':continueimage_id = int(os.path.split(image_path)[-1].split(".")[1])  #将图片路径分裂并获取信息faces = detector.detectMultiScale(image_np)for (x, y, w, h) in faces:                         #将图片和id都添加到list中face_samples.append(image_np[y:y + h, x:x + w])ids.append(image_id)return face_samples, ids#3、进行训练
faces, Ids = get_images_and_labels('Pictures/opcv')
recognizer.train(faces, np.array(Ids))
recognizer.save('trainner.yml')

4、使用生成的人脸识别器进行人脸识别

#1、加载训练生成的识别器
#用OpenCV库以及我们训练好的数据（yml文件）创建一个识别器对象：
recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('trainner.yml')#加载人脸检测的分类器
cascade_path = r'C:\Users\lmy\AppData\Local\Packages\Microsoft.MicrosoftEdge_8wekyb3d8bbwe\TempState\Downloads\opencv-4.1.2\data\haarcascades\haarcascade_frontalface_default.xml'
face_cascade = cv2.CascadeClassifier(cascade_path)
face_cascade = cv2.CascadeClassifier(r'C:\Users\lmy\AppData\Local\Packages\Microsoft.MicrosoftEdge_8wekyb3d8bbwe\TempState\Downloads\opencv-4.1.2\data\haarcascades\haarcascade_frontalface_default.xml')cam = cv2.VideoCapture(0)
font = cv2.FONT_HERSHEY_SIMPLEX #加载一个字体，用于在识别后，在图片上标注出识别对象的名字#2、识别程序的主循环
'''
在程序的主循环中，我们需要做的是：
从摄像头中获取图像
将图像转换为灰度图片
在图片中检测人脸
用识别器识别该人的id
将识别出人脸的id或名称用矩形在图片中标出来
'''
while True:ret, im = cam.read()gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)faces = face_cascade.detectMultiScale(gray, 1.2, 5)for (x, y, w, h) in faces:cv2.rectangle(im, (x - 50, y - 50), (x + w + 50, y + h + 50), (225, 0, 0), 2)img_id, conf = recognizer.predict(gray[y:y + h, x:x + w])  ##conf是置信度吧，就是预测这个头像为用户id的可信度为conf%,越小越精确if conf < 50:if img_id == 1:img_id = 'limengyao'conf = "{0}%".format(round(100 - conf))elif img_id == 2:img_id = 'liangyun'conf = "{0}%".format(round(100 - conf))else:img_id = "Unknown"# cv2.cv.PutText(cv2.cv.fromarray(im), str(Id), (x, y + h), font, 255)cv2.putText(im, str(img_id), (x, y + h), font, 0.55, (0, 255, 0), 1)cv2.putText(img, str(confidence), (x + 5, y + h - 5), font, 1, (0, 0, 0), 1)#输出置信度cv2.imshow('im', im)if cv2.waitKey(10) & 0xFF == ord('q'):breakcam.release()
cv2.destroyAllWindows()

还是可以识别出来滴_{O(∩_∩)O哈哈}

Python-OpenCV创建人脸识别器相关推荐

Python人脸识别黑科技（二）：教你使用python+Opencv完成人脸解锁
继上一篇"Python人脸识别黑科技(一):50行代码运用Python+OpenCV实现人脸追踪+详细教程+快速入门+图像识",那么今天我们来讲关于使用python+opencv+ ...
python+opencv实现人脸微整形
目录一.前言二.主要原理三.算法实现 (1)计算偏移量 (2)考虑多个点影响 (3)控制点的手动增加,删除功能四.总结一.前言表情捕捉驱动另一张脸或者3D人脸是元宇宙一项比较热门的技术,目 ...
python opencv检测人脸
python opencv检测人脸文章目录: 一.opencv检测一张图片二.opencv摄像头实时检测人脸一.opencv检测一张图片 opencv检测人脸分成三部分: 1.图片转换成灰色(降 ...
AI新时代-大神教你使用python+Opencv完成人脸解锁（附源码）
摘要: 好吧,伙计们,我回来了.说我拖更不写文章的可以过来用你的小拳拳狠命地捶我胸口.... 那么今天我们来讲关于使用python+opencv+face++来实现人脸验证及人脸解锁.代码量同样不多, ...
python+opencv实现人脸识别|采用现成训练好的模型
一.图片人脸检测(opencv) 1.安装opencv环境介绍windows中opencv在python3上的实现,我的系统环境win10+python3.6+opcv3.4.1 首先去网站下载Op ...
Python+OpenCV创建级联文件（Windows7/10环境）
目录 1.搭建环境 2.准备数据集 3.训练级联文件之前使用Python+OpenCV实现交通路标识别,具体实现步骤及心得如下: OpenCV训练属于自己的xml文件,需以下几个步骤: 1.首先下载 ...
python opencv 人体/人脸识别简易demo
前言参考文章: pythonopencv检测行人_[图像处理]使用OpenCV实现人脸和行人检测 Python如何实现行人识别-人体识别本文主要讲述关于opencv官方提供的现成模型,采取Hog特 ...
python + OpenCV 实现人脸检测(全网之最通俗易懂)
文章目录先看一下效果采集人脸信息人脸识别以上源码本文人脸识别检测具体是通过程序采集图像并进行训练,并且基于这些训练的图像对人脸进行动态识别. 人脸识别前所需要的人脸库可以通过两种方式获得: ...
python人脸口罩识别_基于Python+OpenCV的人脸口罩识别检测
以下编程在Jupyter notbook平台上进行一.OpenCV下载安装二.人脸口罩数据集下载处理 (一)人脸口罩数据集下载下载人脸口罩数据集的目的是利用OpenCV进行模型训练,这里采用口罩 ...

Python-OpenCV创建人脸识别器

1、打开摄像头进行人脸识别

2、抓取人脸训练数据

3、根据人脸训练数据，训练一个人脸识别器

4、使用生成的人脸识别器进行人脸识别

Python-OpenCV创建人脸识别器相关推荐

最新文章

热门文章