简易人脸识别系统

从无到有，基于 opencv 模块，以及开源的正面检测器，用 tkinter 实现的一个简易人脸识别系统

其中正面检测器是用别人开源的数据，即仓库源代码中的 data_haarcascades_haarcascade_frontalface_default.xml 文件

代码仓库地址：小康2022 / face_recognizer · GitCode

效果展示

界面样式

左上为摄像头开启时实时显示的画面，右上为开启人脸识别后识别度的显示（以绘图的方式，随时间移动），图中左上为识别情况（开启人脸识别后显示），右下为鼠标在图上的坐标，以百分数显示，右下小图是人脸识别的人脸，左下是一些操作及选择，中间下方为当前已有的模型（trainner文件夹中的），最下方是状态栏，状态栏右侧两个按钮，可以调节右上显示图的属性，左侧是一些说明。

选择模型

那三个模型是我之前已经训练好的，大家也可以在”录入数据“中训练属于自己的模型，训练数据越大（建议1000），识别效果越好。当然，代码仓库里面没有现成的模型，毕竟高识别度模型对于每个人都是不一样的。

打开摄像头

摄像头的调用是通过 opencv 模块实现的，调用摄像头需要一会儿时间，在调用的同时会读取选中的模型，模型越大，调用时间越久，但大多都在几秒内完成。如果没有选中模型，则只会打开摄像头，而不进行人脸识别。

调节摄像头参数

这个调节器是 opencv 自带的，有些人的摄像头可能不是默认值，可在这里将其设为默认值。

人脸识别

人脸识别是持续的，绿色的识别框会随着人脸的移动而移动，而右上的图会实时显示相关的数据

还有其他更多功能！

录入数据

数据的录入到形成模型有两个过程，先收集数据，再对收集的数据进行训练。

其中，收集数据时，摄像头会保持开启并持续拍摄照片，通过开源模型解析人脸得到数据，然后再对训练的数据进行训练，最终得到模型。数据收集过程可能会很漫长，但训练速度很快。

训练好模型后，训练材料（源码中data文件夹下）会被自动删除，毕竟几千个数据有点大，不过模型本身也比较大，一万个数据训练的模型的大小已经达到了 1.27GB 了，而且调用起来非常慢，识别时特别卡（或许是我电脑不太好），摄像头显示画面的左上有 FPS 显示。

还想了解更多的朋友，可以去代码仓库（前面给了地址）下载源码，自己运行并体验一下。

运行环境要求

要求 Python3.8 及以上版本，Python3.10 以上会更好一点，因为不同版本的 GUI 界面略有差异。

同时，运行需要的第三方模块有：numpy、cv2（基础的opencv-python模块和人脸识别需要的opencv-contrib-python模块）、PIL（pillow模块）