【原创技术分享】PYTHON 人脸识别

 1.导入项目所需要的库

根据图1.1-图1.4的步骤进行操作。

图1.1 点击“文件”

图1.2 点击“设置”

图1.3 点击“Python Interpreter”

图1.4 添加的库

1.程序介绍

此步骤的主要作用，是将你想识别的人脸的图片保存到一个新建文件夹中，并以此人姓名命名图片，为下一步的数据训练作准备。

这里我调用了人脸检测库，当检测到人脸就将图片保存，一共保存100张（可以根据需要自行调节），达到100张后程序自动结束。

2.代码展示及解读

import cv2 as cv  # 导入模块
cap = cv.VideoCapture(0)  # 读取摄像头
flag = 1
num = 1
while(cap.isOpened()):  # 检查是否在开启状态
    ret_flag, Vshow = cap.read()  # 得到每帧图像
    gray = cv.cvtColor(Vshow, cv.COLOR_BGR2GRAY)  # 灰度图转化
    face_detect = cv.CascadeClassifier(
        "D:/PYcharmProject/Hello World/venv/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml")
    face = face_detect.detectMultiScale(gray, 1.2, 5)  # 调用人脸检测库
    for (x, y, w, h) in face:  # 检测人脸，如果检测到则将图片保存到“D:/PYcharmProject/face shibie/venv/jm/”目录下
        cv.rectangle(Vshow, (x, y), (x + w, y + h), color=(0, 0, 225), thickness=2)
        cv.imwrite("D:/PYcharmProject/face shibie/venv/jm/" + str(num) + ".1001" + ".Tang" + ".jpg", Vshow)
        print('成功保存图片' + str(num) + '.jpg')
        num += 1
    if num == 101:  # 判断保存图片到达100张跳出循环
        break
    cv.imshow('Capture_Test', Vshow)  # 显示图像
    k = cv.waitKey(1) & 0xFF  # 按键判断
    if k == ord(' '):  # 如果按空格键则程序结束
        break
cv.destroyAllWindows()  # 释放内存
cap.release()  # 释放摄像头

3.效果展示

捕获并录入人脸，如图2.1所示。

图2.1 录入

1.程序介绍

此步骤主要是将录入的人脸信息进行训练，即把图片信息通过函数和算法转换成计算机可以识别的数据信息，并将其保存到一个新建的yml文件中，用于下一步人脸识别时的数据比对。

2.代码展示及解读

# 导入以下模块
import cv2
import os
from PIL import Image
import numpy as np
# 创建getImageAndLabels函数
def getImageAndLabels(path):
    facesSamples = []  # 储存人脸数据
    ids = []  # 储存姓名数据
    imagePaths = [os.path.join(path, f)for f in os.listdir(path)]  # 储存图片信息
    face_detect = cv2.CascadeClassifier(  # 加载分类器
        'D:/PYcharmProject/Hello World/venv/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml' )
    for imagePath in imagePaths:  # 遍历列表中的图片
        # 打开图片，灰度化PIL有九种不同的模式：1,L,P,RGB,RGBA,CMYK,YCbCr,I,F
        PIL_img = Image.open(imagePath).convert('L')
        img_numpy = np.array(PIL_img, 'uint8')  # 将图像转换为数组，用于计算机判别
        faces = face_detect.detectMultiScale(img_numpy)  # 调用分类器提取人脸区域数组
        id = int(os.path.split(imagePath)[1].split('.')[1])  # 获取每张图片的id和姓名
        for (x, y, w, h) in faces:  # 预防无面容的照片
            ids.append(id)
            facesSamples.append(img_numpy[y:y+h, x:x+w])
    print("id:", id)  # 打印id
    print("fs:", facesSamples)  # 打印脸部特征
    return facesSamples, ids
if __name__ == '__main__':
    path = './venv/jm/'  # 图片路径
    facesSamples, ids = getImageAndLabels(path)  # 调用getImageAndLabels函数，获取图片数组和id标签数组和姓名
    recognizer = cv2.face.LBPHFaceRecognizer_create()  # 加载识别器
    recognizer.train(facesSamples, np.array(ids))  # 图片训练
    recognizer.write('trainer/trainer.yml')  # 保存图片到新建的yml文件下

1.程序介绍

此步骤主要功能是人脸识别。首先调用摄像头检测人脸并将人脸框出，然后调用上一步创建好的yml文件，将本次检测到的人脸信息与保存的人脸信息进行比对，匹配成功则在人脸框的左上方显示此人姓名，匹配不成功则显示“unknow”。

2.代码展示及解读

# 导入以下模块
import cv2
import os
recognizer = cv2.face.LBPHFaceRecognizer_create()  # 加载训练数据集文件
recognizer.read('trainer/trainer.yml')  # 加载数据
names = []  # 名称
warningtime = 0  # 警报全局变量
# 准备识别的图片
def face_detect_demo(img):
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转为灰度图
    face_detect = cv2.CascadeClassifier(  # 加载分类器
        'D:/PYcharmProject/Hello World/venv/Lib/site-packages/cv2/data/haarcascade_frontalface_alt2.xml')
    face = face_detect.detectMultiScale(gray, 1.1, 5, cv2.CASCADE_SCALE_IMAGE)  # 调用人脸检测库
    for (x, y, w, h) in face:
        cv2.rectangle(img, (x, y), (x + w, y + h), color=(255, 0, 0), thickness=2)  # 检测人脸并将人脸框起来
        ids, confidence = recognizer.predict(gray[y:y+h, x:x+w])  # 对人脸进行评分，评分值越大越不可信
        if confidence > 80:
            global warningtime
            warningtime += 1  # 评分值大于80，警报变量加一
            if warningtime > 100:
                warningtime = 0
            # 警报变量大于100，判断不是正确人脸，在框左上角显示'Unknown'
            cv2.putText(img, 'Unknown', (x+10, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 0, 255), 1)
        else:
            # 警报变量不大于100，判断是正确人脸，在框左上角显示姓名
            cv2.putText(img, str(names[ids-1000]), (x+10, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
    cv2.imshow('result', img)
def Name():
    path = './venv/jm/'  # 图片路径
    imagePaths = [os.path.join(path, f) for f in os.listdir(path)]
    for imagePath in imagePaths:
       name = str(os.path.split(imagePath)[1].split('.')[2])  # 获取姓名
       names.append(name)
# 打开摄像头
cap = cv2.VideoCapture(0)
Name()  # 调用Name函数
while True:
    flag, frame = cap.read()  # 得到每帧图像
    if not flag:
        break
    face_detect_demo(frame)  # 调用def face_detect_demo函数
    if ord(' ') == cv2.waitKey(1):  # 判断如果是空格键程序结束
        break
cv2.destroyAllWindows()  # 释放内存
cap.release()  # 释放摄像头

3.效果展示

识别已录入的人脸，如图4.1所示。

图4.1 识别