• 售前

  • 售后

热门帖子
入门百科

10分钟学会使用python实现人脸辨认(附源码)

[复制链接]
上是中国十七地 显示全部楼层 发表于 2021-10-26 13:42:31 |阅读模式 打印 上一主题 下一主题
目次


  • 前言
  • 一、首先
  • 二、接下来

    • 1.对照人脸获取
    • 2. 通过算法建立对照模子
    • 3.辨认


前言


今天,我们用Python实现简单的人脸辨认技能!
Python里,简单的人脸辨认有许多种方法可以实现,依赖于python胶水语言的特性,我们通过调用包可以快速准确的达成这一目标。这里介绍的是准确性比力高的一种。

一、首先


梳理一下实现人脸辨认必要举行的步调:

流程大抵云云,在此之前,要先让人脸被准确的找出来,也就是能准确区分人脸的分类器,在这里我们可以用已经练习好的分类器,网上种类较全,分类准确度也比力高,我们也可以节约在这方面花的时间。
既然用的是python,那天然少不了包的使用了,在看代码之前,我们先将整个项目所必要的包摆列一下:
· CV2(Opencv):图像辨认,摄像头调用
· os:文件操作
· numpy:NumPy(Numerical Python) 是 Python 语言的一个扩展步调库,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库
· PIL:Python Imaging Library,Python平台毕竟上是图像处置惩罚的尺度库

二、接下来



1.对照人脸获取
  1. #-----获取人脸样本-----
  2. import cv2
  3. #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
  4. cap = cv2.VideoCapture(0)
  5. #调用人脸分类器,要根据实际路径调整3
  6. face_detector = cv2.CascadeClassifier(r'X:/Users/73950/Desktop/FaceRec/haarcascade_frontalface_default.xml') #待更改
  7. #为即将录入的脸标记一个id
  8. face_id = input('\n User data input,Look at the camera and wait ...')
  9. #sampleNum用来计数样本数目
  10. count = 0
  11. while True:
  12. #从摄像头读取图片
  13. success,img = cap.read()
  14. #转为灰度图片,减少程序符合,提高识别度
  15. if success is True:
  16.   gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  17. else:
  18.   break
  19. #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
  20. #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
  21. faces = face_detector.detectMultiScale(gray, 1.3, 5)
  22. #框选人脸,for循环保证一个能检测的实时动态视频流
  23. for (x, y, w, h) in faces:
  24.   #xy为左上角的坐标,w为宽,h为高,用rectangle为人脸标记画框
  25.   cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0))
  26.   #成功框选则样本数增加
  27.   count += 1
  28.   #保存图像,把灰度图片看成二维数组来检测人脸区域
  29.   #(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)
  30.   cv2.imwrite("data/User."+str(face_id)+'.'+str(count)+'.jpg',gray[y:y+h,x:x+w])
  31.   #显示图片
  32.   cv2.imshow('image',img)  
  33.   #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
  34. k = cv2.waitKey(1)  
  35. if k == '27':
  36.   break  
  37.   #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
  38. elif count >= 800:
  39.   break
  40. #关闭摄像头,释放资源
  41. cap.realease()
  42. cv2.destroyAllWindows()
复制代码
经博主测试,在实行
“face_detector = cv2.CascadeClssifier(r'C:\Users\admin\Desktop\python\data\ haarcascade_frontalface_default.xml')”此语句时,现实路径中的目次名只管不要有中文字符出现,否则轻易报错。
如许,你的电脑就能看到你啦!

2. 通过算法建立对照模子


本次所用的算法为opencv中所自带的算法,opencv较新版本中(我使用的是2.4.8)提供了一个FaceRecognizer类,里面有相关的一些人脸辨认的算法及函数接口,此中包罗三种人脸辨认算法(我们接纳的是第三种)
1.eigenface
2.fisherface
3.LBPHFaceRecognizer
LBP是一种特性提取方式,能提取出图像的局部的纹理特性,最开始的LBP算子是在3X3窗口中,取中心像素的像素值为阀值,与其周围八个像素点的像素值比力,若像素点的像素值大于阀值,则此像素点被标志为1,否则标志为0。如许就能得到一个八位二进制的码,转换为十进制即LBP码,于是得到了这个窗口的LBP值,用这个值来反映这个窗口内的纹理信息。
LBPH是在原始LBP上的一个改进,在opencv支持下我们可以直接调用函数直接创建一个LBPH人脸辨认的模子。
我们在前一部门的同目次下创建一个Python文件,文件名为trainner.py,用于编写数据集天生脚本。同目次下,创建一个文件夹,名为trainner,用于存放我们练习后的辨认器。
  1. #-----建立模型、创建数据集-----#-----建立模型、创建数据集-----
  2. import os
  3. import cv2
  4. import numpy as np
  5. from PIL import Image
  6. #导入pillow库,用于处理图像
  7. #设置之前收集好的数据文件路径
  8. path = 'data'
  9. #初始化识别的方法
  10. recog = cv2.face.LBPHFaceRecognizer_create()
  11. #调用熟悉的人脸分类器
  12. detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
  13. #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
  14. #注意图片的命名格式为User.id.sampleNum
  15. def get_images_and_labels(path):
  16. image_paths = [os.path.join(path,f) for f in os.listdir(path)]
  17. #新建连个list用于存放
  18. face_samples = []
  19. ids = []
  20. #遍历图片路径,导入图片和id添加到list中
  21. for image_path in image_paths:
  22.   #通过图片路径将其转换为灰度图片
  23.   img = Image.open(image_path).convert('L')
  24.   #将图片转化为数组
  25.   img_np = np.array(img,'uint8')
  26.   if os.path.split(image_path)[-1].split(".")[-1] != 'jpg':
  27.    continue
  28.   #为了获取id,将图片和路径分裂并获取
  29.   id = int(os.path.split(image_path)[-1].split(".")[1])
  30.   faces = detector.detectMultiScale(img_np)
  31.   #将获取的图片和id添加到list中
  32.   for(x,y,w,h) in faces:
  33.    face_samples.append(img_np[y:y+h,x:x+w])
  34.    ids.append(id)
  35. return face_samples,ids
  36. #调用函数并将数据喂给识别器训练
  37. print('Training...')
  38. faces,ids = get_images_and_labels(path)
  39. #训练模型
  40. recog.train(faces,np.array(ids))
  41. #保存模型
  42. recog.save('trainner/trainner.yml')
复制代码
3.辨认


检测,校验,输出实在都是辨认的这一过程,与前两个过程不同,这是涉及现实使用的过程,以是我们把他整合放在一个同一的一个文件内。
  1. #-----检测、校验并输出结果-----
  2. import cv2
  3. #准备好识别方法
  4. recognizer = cv2.face.LBPHFaceRecognizer_create()
  5. #使用之前训练好的模型
  6. recognizer.read('trainner/trainner.yml')
  7. #再次调用人脸分类器
  8. cascade_path = "haarcascade_frontalface_default.xml"
  9. face_cascade = cv2.CascadeClassifier(cascade_path)
  10. #加载一个字体,用于识别后,在图片上标注出对象的名字
  11. font = cv2.FONT_HERSHEY_SIMPLEX
  12. idnum = 0
  13. #设置好与ID号码对应的用户名,如下,如0对应的就是初始
  14. names = ['初始','admin','user1','user2','user3']
  15. #调用摄像头
  16. cam = cv2.VideoCapture(0)
  17. minW = 0.1*cam.get(3)
  18. minH = 0.1*cam.get(4)
  19. while True:
  20. ret,img = cam.read()
  21. gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
  22. #识别人脸
  23. faces = face_cascade.detectMultiScale(
  24.    gray,
  25.    scaleFactor = 1.2,
  26.    minNeighbors = 5,
  27.    minSize = (int(minW),int(minH))
  28.    )
  29. #进行校验
  30. for(x,y,w,h) in faces:
  31.   cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
  32.   idnum,confidence = recognizer.predict(gray[y:y+h,x:x+w])
  33.   #计算出一个检验结果
  34.   if confidence < 100:
  35.    idum = names[idnum]
  36.    confidence = "{0}%",format(round(100-confidence))
  37.   else:
  38.    idum = "unknown"
  39.    confidence = "{0}%",format(round(100-confidence))
  40.   #输出检验结果以及用户名
  41.   cv2.putText(img,str(idum),(x+5,y-5),font,1,(0,0,255),1)
  42.   cv2.putText(img,str(confidence),(x+5,y+h-5),font,1,(0,0,0),1)
  43.   #展示结果
  44.   cv2.imshow('camera',img)
  45.   k = cv2.waitKey(20)
  46.   if k == 27:
  47.    break
  48. #释放资源
  49. cam.release()
  50. cv2.destroyAllWindows()
复制代码
现在,你的电脑就能辨认出你来啦!
通过其他组合也可以实现开机检测等多种功能,你学会了吗?
下面是博主审稿时的测试结果以及出现的一些问题哦~盼望对大家有资助(呲牙.jpg)
测试结果:


博主审稿测试过程中出现的问题:
(1)版本问题
办理方法:颠末博主无数次的失败,提示大家最好安装python2.7,可以直接使用 pip install numpy 以及pip install opencv-python安装numpy 以及对应python版本的opencv
(如果使用的是Anaconda2,pip相关下令可在开始菜单Anaconda2文件夹下的Anaconda Prompt中输入)
点击推文中给出的链接,将github中的文件下载后放至编译文件地点的文件夹下,并更改代码中的相关目次
(2)如果提示“module' object has no attribute 'face'”
办理方法:可以输入 pip install opencv-contrib-python办理,如果提示必要commission,可以在后面加上 --user,即 pip install opencv-contrib-python --user
以上就是10分钟学会使用python实现人脸辨认(附源码)的详细内容,更多关于python 人脸辨认的资料请关注草根技能分享其它相关文章!

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x

帖子地址: 

回复

使用道具 举报

分享
推广
火星云矿 | 预约S19Pro,享500抵1000!
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

草根技术分享(草根吧)是全球知名中文IT技术交流平台,创建于2021年,包含原创博客、精品问答、职业培训、技术社区、资源下载等产品服务,提供原创、优质、完整内容的专业IT技术开发社区。
  • 官方手机版

  • 微信公众号

  • 商务合作