收集人脸数据
# -----获取人脸样本----- import cv2 # 调用笔记本内置摄像头，参数为0，如果有其他的摄像头可以调整参数为1,2 # cap = cv2.VideoCapture('H:/python/FaceRec/lxw.mp4') cap = cv2.VideoCapture(700) # 调用人脸分类器，要根据实际路径调整3 face_detector = cv2.CascadeClassifier(r'H:\\python\\FaceRec\\haarcascade_frontalface_default.xml') # 待更改 # 为即将录入的脸标记一个id face_id = input('\n User data input,Look at the camera and wait ...') # sampleNum用来计数样本数目 count = 0 while True: # 从摄像头读取图片 success, img = cap.read() # 转为灰度图片，减少程序符合，提高识别度 if success is True: gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) else: break # 检测人脸，将每一帧摄像头记录的数据带入OpenCv中，让Classifier判断人脸 # 其中gray为要检测的灰度图像，1.3为每次图像尺寸减小的比例，5为minNeighbors faces = face_detector.detectMultiScale(gray, 1.3, 5) # 框选人脸，for循环保证一个能检测的实时动态视频流 for (x, y, w, h) in faces: # xy为左上角的坐标,w为宽，h为高，用rectangle为人脸标记画框 cv2.rectangle(img, (x, y), (x + w, y + w), (255, 0, 0)) # 成功框选则样本数增加 count += 1 # 保存图像，把灰度图片看成二维数组来检测人脸区域 # (这里是建立了data的文件夹，当然也可以设置为其他路径或者调用数据库) cv2.imwrite("H:\\python\\FaceRec\\data\\User." + str(face_id) + '.' + str(count) + '.jpg', gray[y:y + h, x:x + w]) # 显示图片 cv2.imshow('image', img) # 保持画面的连续。waitkey方法可以绑定按键保证画面的收放，通过q键退出摄像 k = cv2.waitKey(1) if k == '27': break # 或者得到800个样本后退出摄像，这里可以根据实际情况修改数据量，实际测试后800张的效果是比较理想的 elif count >= 800: break # 关闭摄像头，释放资源 cap.realease() cv2.destroyAllWindows()
导入CV包。
添加 haarcascade_frontalface_default.xml。
遇到的问题：pycharm 语法出现了cannot find reference '__init__.py'解决办法
cv2里面的 cv2.cp38-win_amd64.pyd 放到 site-packages里解决了。
报错原因是因为文件路径的格式表达不对，需要用"//"进行分开。
训练识别器
# -----建立模型、创建数据集----- import os import cv2 import numpy as np from PIL import Image # 导入pillow库，用于处理图像 # 设置之前收集好的数据文件路径 path = 'H:\\python\\FaceRec\\data' # 初始化识别的方法 recog = cv2.face.LBPHFaceRecognizer_create() # 调用熟悉的人脸分类器 detector = cv2.CascadeClassifier('H:\\python\\FaceRec\\haarcascade_frontalface_default.xml') # 创建一个函数，用于从数据集文件夹中获取训练图片,并获取id # 注意图片的命名格式为User.id.sampleNum def get_images_and_labels(path): image_paths = [os.path.join(path, f) for f in os.listdir(path)] # 新建连个list用于存放 face_samples = [] ids = [] # 遍历图片路径，导入图片和id添加到list中 for image_path in image_paths: # 通过图片路径将其转换为灰度图片 img = Image.open(image_path).convert('L') # 将图片转化为数组 img_np = np.array(img, 'uint8') if os.path.split(image_path)[-1].split(".")[-1] != 'jpg': continue # 为了获取id，将图片和路径分裂并获取 id = int(os.path.split(image_path)[-1].split(".")[1]) faces = detector.detectMultiScale(img_np) # 将获取的图片和id添加到list中 for (x, y, w, h) in faces: face_samples.append(img_np[y:y + h, x:x + w]) ids.append(id) return face_samples, ids # 调用函数并将数据喂给识别器训练 print('Training...') faces, ids = get_images_and_labels(path) # 训练模型 recog.train(faces, np.array(ids)) # 保存模型 recog.save('H:\\python\\FaceRec\\trainner/trainner.yml')
识别
# -----检测、校验并输出结果----- import cv2 # 准备好识别方法 recognizer = cv2.face.LBPHFaceRecognizer_create() # 使用之前训练好的模型 recognizer.read('H:\\python\\FaceRec\\trainner/trainner.yml') # 再次调用人脸分类器 cascade_path = "H:/python/FaceRec/haarcascade_frontalface_default.xml" face_cascade = cv2.CascadeClassifier(cascade_path) # 加载一个字体，用于识别后，在图片上标注出对象的名字 font = cv2.FONT_HERSHEY_SIMPLEX idnum = 0 # 设置好与ID号码对应的用户名，如下，如0对应的就是初始 names = ['初始', 'Lingxianwwen', 'user1', 'user2', 'user3'] # 调用摄像头 cam = cv2.VideoCapture(0) minW = 0.1 * cam.get(3) minH = 0.1 * cam.get(4) while True: ret, img = cam.read() gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 识别人脸 faces = face_cascade.detectMultiScale( gray, scaleFactor=1.2, minNeighbors=5, minSize=(int(minW), int(minH)) ) # 进行校验 for (x, y, w, h) in faces: cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2) idnum, confidence = recognizer.predict(gray[y:y + h, x:x + w]) # 计算出一个检验结果 if confidence < 100: idum = names[idnum] confidence = "{0}%", format(round(100 - confidence)) else: idum = "unknown" confidence = "{0}%", format(round(100 - confidence)) # 输出检验结果以及用户名 cv2.putText(img, str(idum), (x + 5, y - 5), font, 1, (0, 0, 255), 1) cv2.putText(img, str(confidence), (x + 5, y + h - 5), font, 1, (0, 0, 0), 1) # 展示结果 cv2.imshow('camera', img) k = cv2.waitKey(20) if k == 27: break # 释放资源 cam.release() cv2.destroyAllWindows()
完成识别。
