Python基於opencv實現的臉部辨識(適合初學者)

2022-03-04 13:02:02

一點背景知識

OpenCV 是一個開源的計算機視覺和機器學習庫。它包含成千上萬優化過的演演算法，為各種計算機視覺應用提供了一個通用工具包。根據這個專案的關於頁面，OpenCV 已被廣泛運用在各種專案上，從谷歌街景的圖片拼接，到互動藝術展覽的技術實現中，都有 OpenCV 的身影。

OpenCV 起始於 1999 年 Intel 的一個內部研究專案。從那時起，它的開發就一直很活躍。進化到現在，它已支援如 OpenCL 和 OpenGL 等現代技術，也支援如 iOS 和 Android 等平臺。

1999 年，半條命釋出後大紅大熱。Intel 奔騰 3 處理器是當時最高階的 CPU，400-500 MHZ 的時脈頻率已被認為是相當快。2006 年 OpenCV 1.0 版本釋出的時候，當時主流 CPU 的效能也只和 iPhone 5 的 A6 處理器相當。儘管計算機視覺從傳統上被認為是計算密集型應用，但我們的移動裝置效能已明顯地超出能夠執行有用的計算機視覺任務的閾值，帶著攝像頭的移動裝置可以在計算機視覺平臺上大有所為。

本文為簡單易懂的臉部辨識！

一、臉部辨識步驟

二、直接上程式碼

（1）錄入人臉.py

import cv2
 
 
face_name = 'cjw'  # 該人臉的名字
 
 
# 載入OpenCV人臉檢測分類器
face_cascade = cv2.CascadeClassifier("D:/BaiduNetdiskDownload/python/opencv/opencv-4.5.1/"
                                     "data/haarcascades/haarcascade_frontalface_default.xml")
recognizer = cv2.face.LBPHFaceRecognizer_create()  # 準備好識別方法LBPH方法
 
 
camera = cv2.VideoCapture(0)  # 0:開啟攝像頭
success, img = camera.read()  # 從攝像頭讀取照片
W_size = 0.1 * camera.get(3)  # 在視訊流的幀的寬度
H_size = 0.1 * camera.get(4)  # 在視訊流的幀的高度
 
 
def get_face():
    print("正在從攝像頭錄入新人臉資訊 n")
    picture_num = 0  # 設定錄入照片的初始值
    while True:  # 從攝像頭讀取圖片
        global success  # 設定全域性變數
        global img  # 設定全域性變數
        ret, frame = camera.read()  # 獲得攝像頭讀取到的資料(ret為返回值,frame為視訊中的每一幀)
        if ret is True:
            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  # 轉為灰度圖片
        else:
            break
 
        face_detector = face_cascade  # 記錄攝像頭記錄的每一幀的資料，讓Classifier判斷人臉
        faces = face_detector.detectMultiScale(gray, 1.3, 5)  # gray是要灰度影象，1.3為每次影象尺寸減小的比例，5為minNeighbors
 
        for (x, y, w, h) in faces:  # 製造一個矩形框選人臉(xy為左上角的座標,w為寬，h為高)
            cv2.rectangle(frame, (x, y), (x + w, y + w), (255, 0, 0))
            picture_num += 1  # 照片數加一
            t = face_name
            cv2.imwrite("./data/1." + str(t) + '.' + str(picture_num) + '.jpg', gray[y:y + h, x:x + w])
            # 儲存影象，將臉部的特徵轉化為二維陣列，儲存在data資料夾內
        maximums_picture = 13  # 設定攝像頭拍攝照片的數量的上限
        if picture_num > maximums_picture:
            break
        cv2.waitKey(1)
 
 
get_face()

注意：載入分類器的檔案地址；cv2.imwrite：儲存圖片的路徑

（2）資料訓練.py

import os
import cv2
from PIL import Image
import numpy as np
 
 
def getlable(path):
    facesamples = []  # 儲存人臉資料(該資料為二位陣列)
    ids = []  # 儲存星門資料
    imagepaths = [os.path.join(path, f) for f in os.listdir(path)]  # 儲存圖片資訊
    face_detector = cv2.CascadeClassifier('D:/BaiduNetdiskDownload/python/opencv/opencv-4.5.1/data/haarcascades/'
                                          'haarcascade_frontalface_alt2.xml')  # 載入分類器
    print('資料排列：', imagepaths)  # 列印陣列imagepaths
    for imagePath in imagepaths:  # 遍歷列表中的圖片
        pil_img = Image.open(imagePath).convert('L')
        # 開啟圖片，灰度化，PIL的兩種不同模式：
        # (1)1(黑白，有畫素的地方為1，無畫素的地方為0)
        # (2)L(灰度影象，把每個畫素點變成0~255的數值，顏色越深值越大)
        img_numpy = np.array(pil_img, 'uint8')  # 將影象轉化為陣列
        faces = face_detector.detectMultiScale(img_numpy)  # 獲取人臉特徵
        id = int(os.path.split(imagePath)[1].split('.')[0])  # 獲取每張圖片的id和姓名
        for x, y, w, h in faces:  # 預防無面容照片
            ids.append(id)
            facesamples.append(img_numpy[y:y+h, x:x+w])
        # 列印臉部特徵和id
        print('id:', id)
    print('fs:', facesamples)
    return facesamples, ids
 
 
if __name__ == '__main__':
    path = 'D:/BaiduNetdiskDownload/python/opencv/pythonProject/face1/data'  # 圖片路徑
    faces, ids = getlable(path)  # 獲取影象陣列和id標籤陣列和姓名
    recognizer = cv2.face.LBPHFaceRecognizer_create()  # 獲取訓練物件
    recognizer.train(faces, np.array(ids))
    recognizer.write('trainer/trainer.yml')   # 儲存生成的人臉特徵資料檔案

（3）進行識別.py

import cv2
import os
 
 
# 載入訓練資料集檔案
recogizer = cv2.face.LBPHFaceRecognizer_create()
recogizer.read('trainer/trainer.yml')  # 獲取臉部特徵資料檔案
names = []
warningtime = 0
 
 
def face_detect_demo(img):
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 轉換為灰度影象
    face_detector = cv2.CascadeClassifier('D:/BaiduNetdiskDownload/python/opencv/opencv-4.5.1/'
                                          'data/haarcascades/haarcascade_frontalface_default.xml')  # 載入分類器
    face = face_detector.detectMultiScale(gray, 1.3, 5, cv2.CASCADE_SCALE_IMAGE, (100, 100), (300, 300))
    # 進行識別，把整張人臉部分框起來
    for x, y, w, h in face:
        cv2.rectangle(img, (x, y), (x+w, y+h), color=(0, 0, 255), thickness=2)  # 矩形
        cv2.circle(img, center=(x+w//2, y+h//2), radius=w//2, color=(0, 255, 0), thickness=1)  # 圓形
        ids, confidence = recogizer.predict(gray[y:y + h, x:x + w])  # 進行預測、評分
        if confidence > 80:
            global warningtime
            warningtime += 1
            if warningtime > 100:  # 警報達到一定次數，說明不是這個人
                warningtime = 0
            cv2.putText(img, 'unkonw', (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
        else:
            cv2.putText(img, str(names[ids-1]), (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
            # 把姓名打到人臉的框圖上
    cv2.imshow('result', img)
    # print('bug:',ids)
 
 
def name():
    path = 'D:/BaiduNetdiskDownload/python/opencv/pythonProject/face1/data'
    imagepaths = [os.path.join(path, f) for f in os.listdir(path)]
    for imagePath in imagepaths:
        name1 = str(os.path.split(imagePath)[1].split('.', 2)[1])
        names.append(name1)
 
 
cap = cv2.VideoCapture('3.mp4')
name()
while True:
    flag, frame = cap.read()  # 獲得攝像頭讀取到的資料(flag為返回值,frame為視訊中的每一幀)
    if not flag:
        break
    face_detect_demo(frame)
    if ord(' ') == cv2.waitKey(10):  # 按空格，退出
        break
cv2.destroyAllWindows()
cap.release()
# print(names)