阅读量:4
首先要下载人脸识别模块，win+R后输入cmd在控制台下载
先是读取图片功能
# 导入OpenCV模块 import cv2 as cv # 读取图片 参数：图片路径（注意：路径中不能有中文，否则图片加载失败 img = cv.imread('pictures/AI.jpeg') # 显示图片 参数：窗口的名称，所要显示的图片 cv.imshow('AI_img', img) # 等待键盘输入 单位毫秒 传入0 则就是无限等待 cv.waitKey(0) # 销毁窗体，释放内存 cv.destroyAllWindows() 图片灰度转换
为什么要用图片灰度转换呢，他会将人脸转变为矩阵，不同的颜色会有1到16个数字对应他不同颜色的深浅
# 导入OpenCV模块 import cv2 as cv # 读取图片 参数：图片路径（注意：路径中不能有中文，否则图片加载失败 img = cv.imread('pictures/AI.jpeg') # 显示图片 参数：窗口的名称，所要显示的图片 cv.imshow('AI_img', img) # 将图片灰度转换 参数：所要转换的图片，指定转换为灰度图 gray_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY) # 显示图片 cv.imshow('gray_AI_img', gray_img) # 保存图片 cv.imwrite('pictures/gray_AI_img.jpeg', gray_img) # 等待键盘输入 cv.waitKey(0) # 销毁窗体，释放内存 cv.destroyAllWindow() 修改图片尺寸
# 导入OpenCV模块 import cv2 as cv # 读取图片 参数：图片路径（注意：路径中不能有中文，否则图片加载失败 img = cv.imread('pictures/AI.jpeg') # 显示图片 参数：窗口的名称，所要显示的图片 cv.imshow('AI_img', img) print('before:', img.shape) # 修改图片尺寸 参数：所要修改的图片，新尺寸 resize_img = cv.resize(img, dsize=(500,500)) print('after:', resize_img.shape) # 显示修改好的尺寸图片 cv.imshow('resize_AI_img', resize_img) # 等待键盘输入 cv.waitKey(0) # 销毁窗体，释放内存 cv.destroyAllWindow()绘制形状
# 导入OpenCV模块 import cv2 as cv # 读取图片 参数：图片路径（注意：路径中不能有中文，否则图片加载失败 img = cv.imread('pictures/AI.jpeg') # 左上角的坐标是（x，y） 矩形的宽度和高度是（w，h） x,y,w,h = 150,150,150,150 # 绘制矩形 cv.rectangle(img, (x,y,x+w,y+h), color=(0, 255, 255), thickness= 6) ''' # 圆中心点坐标（x，y） 与半径r x,y,r = 300,300,150 # 绘制圆 参数：所要绘制的图片，坐标与尺寸，颜色的RGB值，线的粗度 cv.circle(img, center=(x,y), radius=r, color=(0,255,255), thickness=2) ''' # 显示绘制后的图片 cv.imshow('new_img', img) # 等待键盘输入 cv.waitKey(0) # 销毁窗体，释放内存 cv.destroyAllWindow() 单个人脸识别
# 导入OpenCV模块 import cv2 as cv # 人脸识别的函数 def face_detect_demo(img): # 将图片转换为灰度图片 gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY) # 创建级联分类器，通过该分类器检测人脸 参数：特征数据 face_detector = cv.CascadeClassifier(r'Haar/haarcascade_frontalface_default.xml') # 检测人脸并返回人脸信息 faces = face_detector.detectMultiScale(gray) # 遍历人脸信息获取 xX轴坐标 yY轴坐标 w宽度 h高度 for x,y,w,h in faces: # 通过矩形框出图片人脸部分 cv.rectangle(img , (x , y) , (x+w , y+h) , color=(0 , 255 , 0) , thickness=2) cv.imshow('result_img' , img) # 加载图片 img = cv.imread('pictures/face1.jpeg') # 调用人脸识别函数 face_detect_demo(img) # 等待键盘输入 cv.waitKey(0) # 销毁窗体，释放内存 cv.destroyAllWindow() 多个人脸识别
# 导入OpenCV模块 import cv2 as cv # 人脸识别的函数 def face_detect_demo(img): # 将图片转换为灰度图片 gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY) # 加载特征数据 face_detector = cv.CascadeClassifier(r'Haar/haarcascade_frontalface_default.xml') # 检测人脸并返回人脸信息 faces = face_detector.detectMultiScale(gray) for x,y,w,h in faces: print(x,y,w,h) cv.rectangle(img, (x,y), (x+w, y+h), color = (0,255,0), thickness=2) # "/" 表示浮点数出发，返回浮点结果；6/4=1.5 # “//” 表示整数出发，返回不大于结果的一共最大的整数：6//4=1 cv.circle(img, center = (x+w//2, y+h//2), radius = w//2, color=(0,255,0), thickness=2) # 显示图片 cv.imshow('result', img) # 加载图片 img = cv.imread('pictures/face3.jpg') # 调用人脸检测方法 face_detect_demo(img) # 等待键盘输入 cv.waitKey(0) # 销毁窗体，释放内存 cv.destroyAllWindow() 检测摄像头中的人脸
import cv2 as cv def face_detect_demo(img): gary = cv.cvtColor(img, cv.COLOR_BGR2GRAY) face_detect = cv.CascadeClassifier(r'Haar/haarcascade_frontalface_default.xml') face = face_detect.detectMultiScale(gary) for x, y, w, h in face: cv.rectangle(img, (x, y), (x + w, y + h), color=(0,0,255), thickness=2) # 水平镜像翻转,cv.图片(图片，轴) 0：水平轴 1：垂直轴 # img = cv.flip(img, 1) img = cv.flip(img , 1) cv.imshow('result', img) # cv.VideoCapture(摄像头的编号, 打开摄像头的模式) # 摄像头编号默认从0开始，每多一个摄像头，编号+1，但不绝对 # 如果你写摄像头编号为0时无法打开摄像头，可以试一下1,2,3等编号 # 打开摄像头 参数：对应优先级的摄像头，指定为打开 # cv.CAP_DSHOW：强制打开摄像头 cap = cv.VideoCapture(0, cv.CAP_DSHOW) while True: # 获取检测到的数据（flag是否为人脸特征数据，frame人脸特征数据） flag,frame = cap.read() if not flag: break face_detect_demo(frame) # 按键盘Q键退出 if ord('q') == cv.waitKey(1): break cv.destroyAllWindows() cap.release() # 水平镜像翻转,cv.img(图片，轴) 0：水平轴 1：垂直轴 # img = cv.flip(img, 1)检测视频中的人脸
import cv2 as cv def face_detect_demo(img): gary = cv.cvtColor(img, cv.COLOR_BGR2GRAY) face_detect = cv.CascadeClassifier(r'Haar/haarcascade_frontalface_default.xml') face = face_detect.detectMultiScale(gary) for x, y, w, h in face: cv.rectangle(img, (x, y), (x + w, y + h), color=(0,0,255), thickness=2) cv.imshow('result', img) cap = cv.VideoCapture('Video/video.mp4') while True: # 读取视频中每一帧的画面 # flag为当前帧的画面是否有内容，若没有内容，则表示视频播放完毕 # frame为当前帧画面 flag,frame = cap.read() if not flag: break # 检测当前帧画面的人脸 face_detect_demo(frame) # 按键盘Q键退出 if ord('q') == cv.waitKey(1): break cap.release() cv.destroyWindow()训练人脸识别模型
# 导入模块 import os import numpy as np import cv2 as cv # 获取实时人脸识别模型的训练集数据 def GetFaceImg_TrainData(path): # 定义两个容器，存放训练集的数据和结果 # 存放训练图片数据的列表 facesSamples = [] #x_Train=[] # 存放训练图片数据对应id的列表（以图片名为id） ids = [] #y_Train=[] # 再定义一共容器，来存储人脸图片的路径 imagePaths = [] # 遍历传入的路径中的所有的文件，来获得这些文件的路径，存到容器中 for f in os.listdir(path): # 根据路径跟名称，就能够拼接成文件的完整路径 fPath = os.path.join(path, f) # 将文件的完整路径存储到容器中去 imagePaths.append(fPath) # 创建人脸检测器（人脸检测模型） face_detector = cv.CascadeClassifier('Haar/haarcascade_frontalface_default.xml') # 遍历指定路径下的所有图片 for imagePath in imagePaths: # 读取本地图片 img = cv.imread(imagePath) # 把图片转换为灰度图 PIL_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY) # 把图片转变为像素点矩阵 img_numpy = np.array(PIL_img) # 检测人脸，并获得人脸信息 faces = face_detector.detectMultiScale(img_numpy) # 获得当前图片的文件名id id = int(os.path.split(imagePath)[1].split('.')[0]) # 遍历当前张图片中的所有人脸，存储人脸的数据和结果 for x,y,w,h in faces: # 从当前图片中把人脸矩阵数据切片出来，并存到容器中去 facesSamples.append(img_numpy[y:y+h, x:x+w]) # 存储当前人脸对应结果 ids.append(id) # 返回人脸数据，以及结果 return facesSamples, ids # 建立模型，把模型保存到本地 if __name__ == '__main__': # 训练集数据与结果 x_Train, y_Train = GetFaceImg_TrainData('mydata2') # 建立模型 faceModel = cv.face.LBPHFaceRecognizer_create() # 训练模型 faceModel.train(x_Train, np.array(y_Train)) # 来保存模型本地 faceModel.write('trainer/faceModel.yml') 用模型来识别人脸
# 导入模块 import cv2 as cv import os import numpy as np ''' # 展示刚刚建模后使用data文件夹内的15张图片 fnames = os.listdir('data') for fname in fnames: fpath = os.path.join('data' , fname) img = cv.imread(fpath) cv.imshow(fname , img) # 等待按键输入 cv.waitKey(0) # 关闭所有窗口 cv.destroyAllWindows( ) ''' # 1.创建模型 faceModel = cv.face.LBPHFaceRecognizer_create() # 2.读取保存在本地的模型 faceModel.read('trainer/faceModel.yml') # 3.使用模型来识别人脸，看人脸更接近哪张图片 # (1) 读取人脸图片 img = cv.imread('data/7.pgm') # (2) 从人脸图片中获取人脸部分的像素矩阵 # 1） 将原图转换为灰度图 gray_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY) # 2） 创建人脸检测器（另一个模型） face_detector = cv.CascadeClassifier('Haar/haarcascade_frontalface_default.xml') # 3） 检测人脸，获得人脸的位置信息 faces = face_detector.detectMultiScale(gray_img) # 4） 通过人脸的位置信息，来获得人脸部分的像素矩阵 for x,y,w,h in faces: # (3) 把人脸的像素矩阵给模型进行识别 result, score = faceModel.predict(np.array(gray_img)[y:y+h, x:x+w]) # 输出结果 print('识别结果是：', result, '，置信评分是：', score)录入人脸
# 导入模块 import cv2 as cv import numpy as np import time # 打开摄像头 cap = cv.VideoCapture(0, cv.CAP_DSHOW) # 创建人脸检测器 face_deteceor = cv.CascadeClassifier('Haar/haarcascade_frontalface_default.xml') # 创建id id = 1 # 记录当前时间 timer = time.time() # 死循环 while True: # 遍历摄像头每帧画面 # flag表示摄像头是否有开启 # frame表示摄像头当前帧的画面 flag, frame = cap.read() # 先判断摄像头是否有开启 if not flag: break # 将摄像头的画面转换为灰度图 gray_frame = cv.cvtColor(frame, cv.COLOR_BGR2GRAY) # 对摄像头画面检测人脸 faces = face_deteceor.detectMultiScale(frame) # 遍历摄像头画面中的人脸信息 for x,y,w,h in faces: # 在当前帧的摄像头画面中来画矩形 cv.rectangle(frame, (x, y), (x+w, y+h), (0, 0, 255)) # 经过3s后，才开始录入人脸 if time.time() - timer <= 3 : continue if id>10: print(' 已经录入完毕') else: print('开始录入人脸') # 来将灰度图取出人脸部分的图像 face_frame = np.array(gray_frame[y:y+h, x:x+w]) # 把人脸图像存到本地中去 cv.imwrite(f'my data/{id}.jpeg', face_frame) # id+=1 id +=1 # 将摄像头的画面水平翻转 newFrame = cv.flip(frame, 1) # 来把摄像头的画面通过opencv绘制出来 # 参数：窗口名称 ， 要显示的图像 cv.imshow('CAP', newFrame) # 停留一下 cv.waitKey(1)在摄像头中识别人脸
# 导入模型 import cv2 as cv # 打开摄像头 cap = cv.VideoCapture(0, cv.CAP_DSHOW) # 创建人脸检测器 face_detector = cv.CascadeClassifier('Haar/haarcascade_frontalface_default.xml') # 创建人脸识别的模型 faceModel =cv.face.LBPHFaceRecognizer_create() faceModel.read('trainer/faceModel.yml') # 遍历摄像头每帧画面，进行显示 while True: # 获取摄像头当前帧画面 flag, frame = cap.read() # 判断摄像头是否有开启 if not flag: break # 把摄像头的画面转换为灰度图 gray_frame = cv.cvtColor(frame, cv.COLOR_BGR2GRAY) # 检测摄像头画面中的人脸 faces = face_detector.detectMultiScale(frame) # 遍历人脸信息 for x,y,w,h in faces: # 框出人脸 cv.rectangle(frame , (x , y) , (x+w , y+h) , color=(0 , 255 , 255)) # 来把摄像头画面中人脸部分切片出来 face_frae = gray_frame[y:y+h, x:x+w] # 把切片的这部分来给人脸识别模型进行识别 ，然后将识别结果输出出来 id,score = faceModel.predict(face_frae) '''print('识别到图片id为:', id, ',差距值是', score)''' if score <= 50: print('识别为：', id) else: print('识别失败') # 水平翻转模型 newFrame = cv.flip(frame, 1) # 如果有，则显示摄像头画面 cv.imshow('CAP', newFrame) # 停留一会 cv.waitKey(1)
综合基本功能：
1.通过opencv打开摄像头；
2.来获取摄像头中人脸部分的图像，保存到项目的MyData文件夹内；
3.图像的以数字来命名,例如:1.jepg、2.jpeg、3.jpeg等；
4.保存10张人脸图片即可，保存10张后，输出已保存10张人脸图像；
5.使用最新录制的人脸图像的文件夹MyData，来训练新的人脸识别模型；
6.打开摄像头，使用最新的人脸识别模型，来识别摄像头画面中的人脸，识别人脸更接近哪个id的图像，以及它的评分，将id和评分输出出来。
# 导入模块 import cv2 cap = cv2.VideoCapture(0) face = cv2.CascadeClassifier(r'Haar/haarcascade_frontalface_default.xml') a = 1 while (1): flag , frame = cap.read( ) gray = cv2.cvtColor(frame , cv2.COLOR_RGB2GRAY) faces = face.detectMultiScale(gray) for x , y , w , h in faces: cv2.rectangle(frame, (x, y), (x+w, y+h), color=(0, 255, 255), thickness=2) img = cv2.flip(frame , 1) if flag == True: cv2.imwrite(f'my data/{a}.jpeg' , img) a += 1 if a > 10: print('successfully!!') break img = cv2.imread('my data/1.jpeg') cv2.imshow('my data/1.jpeg' , img) if ord('q') == cv2.waitKey(1): break cap.release( ) cv2.destroyAllWindows( )
