opencv是如何实现人脸识别（Opencvpython3.8人脸识别）
opencv是如何实现人脸识别（Opencvpython3.8人脸识别）2.1 安装opencv：=====1.3 获取摄像头实现动态人脸识别。1.4 分为：侦测-收集-训练-识别。2 准备：
1 说明：
=====
1.1 参考文章：
https://www.cnblogs.com/xp12345/p/9818435.html
1.2 对原代码进行注释，调试，增加PIL法显示中文标示。
1.3 获取摄像头实现动态人脸识别。
1.4 分为：侦测-收集-训练-识别。
2 准备：
=====
2.1 安装opencv：
pip install opencv-python
2.2 注意：导入模块
import cv2 #cv2不是版本号
科普一下：
cv2中的 2 不是指定发布的版本号，而是为了区分OpenCV的 C 和 C 的版本。
OpenCV1.x 使用 C 开发；而OpenCV2.x 使用C 。
2.3 环境：
华为笔记本电脑、深度deepin-linux操作系统、谷歌浏览器、python3.8和微软vscode编辑器。
3 文件结构：
========
3.1 图：
3.2 层次示意图：
3.3 两个xml文件来自：分类器一般位于安装包cv2下
比如：本机：file:///usr/local/python3.8/lib/python3.8/site-packages/cv2/data下，复制过来即可
===以下代码基于笔记本电脑的摄像头，需打开，训练自己头像===
4 五个代码依次进行：
===============
4.1 1-FaceDetection.py代码：
#人脸检测
import numpy as np
import cv2
# 人脸识别分类器
faceCascade = cv2.CascadeClassifier('/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml')
# 识别眼睛的分类器
eyeCascade = cv2.CascadeClassifier('/home/xgj/Desktop/face-de/haarcascade_eye.xml')
# 开启摄像头
cap = cv2.VideoCapture(0)
ok = True
result =[] #原bug，自己补充
while ok:
# 读取摄像头中的图像，ok为是否读取成功的判断参数
ok img = cap.read()
# 转换成灰度图像
gray = cv2.cvtColor(img cv2.COLOR_BGR2GRAY)
# 人脸检测
faces = faceCascade.detectMultiScale(
gray
scaleFactor=1.2
minNeighbors=5
minSize=(32 32)
)
result = []
# 在检测人脸的基础上检测眼睛
for (x y w h) in faces:
fac_gray = gray[y: (y h) x: (x w)]
result = []
eyes = eyeCascade.detectMultiScale(fac_gray 1.3 2)
# 眼睛坐标的换算，将相对位置换成绝对位置
for (ex ey ew eh) in eyes:
result.append((x ex y ey ew eh))
# 画矩形框--脸部
for (x y w h) in faces:
cv2.rectangle(img (x y) (x w y h) (255 0 0) 2)
#眼睛
for (ex ey ew eh) in result:
cv2.rectangle(img (ex ey) (ex ew ey eh) (0 255 0) 2)
#显示
cv2.imshow('video' img)
#退出定义
k = cv2.waitKey(1)
if k == 27: # press 'ESC' to quit
break
cap.release()
cv2.destroyAllWindows()
===注意4.1代码不需要也没关系===
4.2 2-FaceDataCollect.py代码：
#FaceDataCollect 人脸数据收集
import cv2
import os
# 调用笔记本内置摄像头，所以参数为0，如果有其他的摄像头可以调整参数为1，2
cap = cv2.VideoCapture(0)
#注意路径
face_detector = cv2.CascadeClassifier('/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml')
#请输入id:0为一个人，第二个人请输入1，在4py中检测识别中idnums有用
face_id = input('\n enter user id:')
print('\n Initializing face capture. Look at the camera and wait ...')
count = 0
while True:
# 从摄像头读取图片
sucess img = cap.read()
# 转为灰度图片
gray = cv2.cvtColor(img cv2.COLOR_BGR2GRAY)
# 检测人脸
faces = face_detector.detectMultiScale(gray 1.3 5)
#面部画框
for (x y w h) in faces:
cv2.rectangle(img (x y) (x w y w) (255 0 0))
count = 1
# 保存图像，注意路径
cv2.imwrite("/home/xgj/Desktop/face-de/img/user." str(face_id) '.' str(count) '.jpg' gray[y: y h x: x w])
cv2.imshow('image' img)
# 保持画面的持续。
k = cv2.waitKey(1)
if k == 27: # 通过esc键退出摄像
break
elif count >= 1000: # 得到1000个样本后退出摄像，可自定义数值大小
break
# 关闭摄像头
cap.release()
cv2.destroyAllWindows()
#大概需要半个小时，收集1000张图片
#我自己约5分钟后暂停，期间可以做各种面部动作，我大概收集50张
4.3 3-face_training.py代码：
#face_training 人脸数据训练
import numpy as np
from PIL import Image
import os
import cv2
# 人脸数据路径，上面保存的灰色照片数据集
path = '/home/xgj/Desktop/face-de/img'
recognizer = cv2.face.LBPHFaceRecognizer_create()
detector = cv2.CascadeClassifier("/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml")
def getImagesAndLabels(path):
imagePaths = [os.path.join(path f) for f in os.listdir(path)]
faceSamples = []
ids = []
for imagePath in imagePaths:
PIL_img = Image.open(imagePath).convert('L') # convert it to grayscale
img_numpy = np.array(PIL_img 'uint8')
id = int(os.path.split(imagePath)[-1].split(".")[1])
faces = detector.detectMultiScale(img_numpy)
for (x y w h) in faces:
faceSamples.append(img_numpy[y:y h x: x w])
ids.append(id)
return faceSamples ids
print('Training faces. It will take a few seconds. Wait ...')
faces ids = getImagesAndLabels(path)
recognizer.train(faces np.array(ids))
#保存训练好的文件
recognizer.write('/home/xgj/Desktop/face-de/face_trainer/trainer.yml')
print("{0} faces trained. Exiting Program".format(len(np.unique(ids))))
4.4 人脸识别：
==========
4.4.1 英文版的人脸识别4-face_recognition.py代码：
#face_recognition 人脸检测并识别，显示人名
import cv2
recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('/home/xgj/Desktop/face-de/face_trainer/trainer.yml')
cascadePath = "/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml"
faceCascade = cv2.CascadeClassifier(cascadePath)
font = cv2.FONT_HERSHEY_SIMPLEX
#这里为0或者1都没有关系
idnum = 1
names = ['Allen' 'Bob']
#names中存储人的名字，若该人id为0则他的名字在第一位，id位1则排在第二位，以此类推
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)
faces = faceCascade.detectMultiScale(
gray
scaleFactor=1.2
minNeighbors=5
minSize=(int(minW) int(minH))
)
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])
if confidence < 100:
idnum = names[idnum]
confidence = "{0}%".format(round(100 - confidence))
else:
idnum = "unknown"
confidence = "{0}%".format(round(100 - confidence))
cv2.putText(img str(idnum) (x 5 y-5) font 1 (0 0 255) 1) #不能显示中文
cv2.putText(img str(confidence) (x 5 y h-5) font 1 (0 0 0) 1)
cv2.imshow('camera' img)
k = cv2.waitKey(10)
if k == 27:
break
cam.release()
cv2.destroyAllWindows()
4.4.2 PIL法显示中文的人脸识别5-face_recognition_zh_PIL.py代码：自己添加的
#face_recognition 人脸检测，PIL法显示中文人名
import cv2
#---增加的PIL法显示中文---
import numpy
from PIL import Image ImageDraw ImageFont
#定义一个函数
def cv2ImgAddText(img text left top textColor=(0 255 0) textSize=20):
if (isinstance(img numpy.ndarray)): # 判断是否OpenCV图片类型
img = Image.fromarray(cv2.cvtColor(img cv2.COLOR_BGR2RGB))
# 创建一个可以在给定图像上绘图的对象
draw = ImageDraw.Draw(img)
# 字体的格式，自己下载华文仿宋字体，放在根目录下
fontStyle = ImageFont.truetype(
"hwfs.ttf" textSize encoding="utf-8")
# 绘制文本
draw.text((left top) text textColor font=fontStyle)
# 转换回OpenCV格式
return cv2.cvtColor(numpy.asarray(img) cv2.COLOR_RGB2BGR)
recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('/home/xgj/Desktop/face-de/face_trainer/trainer.yml')
cascadePath = "/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml"
faceCascade = cv2.CascadeClassifier(cascadePath)
font = cv2.FONT_HERSHEY_SIMPLEX
#这里为0或者1都没有关系
idnum = 0
names = ['机器人' 'Bob']
#names中存储人的名字，若该人id为0则他的名字在第一位，id位1则排在第二位，以此类推
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)
faces = faceCascade.detectMultiScale(
gray
scaleFactor=1.2
minNeighbors=5
minSize=(int(minW) int(minH))
)
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])
if confidence < 100:
idnum = names[idnum]
confidence = "{0}%".format(round(100 - confidence))
else:
idnum = "unknown"
confidence = "{0}%".format(round(100 - confidence))
#cv2.putText(img str(idnum) (x 5 y-5) font 1 (0 0 255) 1) #不能显示中文
#注意下面格式，位置去掉元组格式，并int化
img = cv2ImgAddText(img str(idnum) int(x 5) int(y-5) (0 0 255) 20) #显示为中文PIL法
cv2.putText(img str(confidence) (x 5 y h-5) font 1 (0 0 0) 1)
cv2.imshow('camera' img)
k = cv2.waitKey(10)
if k == 27:
break
cam.release()
cv2.destroyAllWindows()
效果图
===以上代码亲测可用===
喜欢的人，请点赞、关注、评论、转发和收藏。
谢谢原博主。
