欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python基于opencv實(shí)現(xiàn)的人臉識(shí)別(適合初學(xué)者)

 更新時(shí)間:2022年03月04日 10:07:37   作者:卓爾言成  
OpenCV是一個(gè)基于BSD許可開源發(fā)行的跨平臺(tái)計(jì)算機(jī)視覺庫(kù),下面這篇文章主要給大家介紹了關(guān)于Python基于opencv實(shí)現(xiàn)的人臉識(shí)別,文中通過實(shí)例代碼介紹的非常詳細(xì),本文的教程非常適合初學(xué)者,需要的朋友可以參考下

一點(diǎn)背景知識(shí)

OpenCV 是一個(gè)開源的計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)庫(kù)。它包含成千上萬(wàn)優(yōu)化過的算法,為各種計(jì)算機(jī)視覺應(yīng)用提供了一個(gè)通用工具包。根據(jù)這個(gè)項(xiàng)目的關(guān)于頁(yè)面,OpenCV 已被廣泛運(yùn)用在各種項(xiàng)目上,從谷歌街景的圖片拼接,到交互藝術(shù)展覽的技術(shù)實(shí)現(xiàn)中,都有 OpenCV 的身影。

OpenCV 起始于 1999 年 Intel 的一個(gè)內(nèi)部研究項(xiàng)目。從那時(shí)起,它的開發(fā)就一直很活躍。進(jìn)化到現(xiàn)在,它已支持如 OpenCL 和 OpenGL 等現(xiàn)代技術(shù),也支持如 iOS 和 Android 等平臺(tái)。

1999 年,半條命發(fā)布后大紅大熱。Intel 奔騰 3 處理器是當(dāng)時(shí)最高級(jí)的 CPU,400-500 MHZ 的時(shí)鐘頻率已被認(rèn)為是相當(dāng)快。2006 年 OpenCV 1.0 版本發(fā)布的時(shí)候,當(dāng)時(shí)主流 CPU 的性能也只和 iPhone 5 的 A6 處理器相當(dāng)。盡管計(jì)算機(jī)視覺從傳統(tǒng)上被認(rèn)為是計(jì)算密集型應(yīng)用,但我們的移動(dòng)設(shè)備性能已明顯地超出能夠執(zhí)行有用的計(jì)算機(jī)視覺任務(wù)的閾值,帶著攝像頭的移動(dòng)設(shè)備可以在計(jì)算機(jī)視覺平臺(tái)上大有所為。

本文為簡(jiǎn)單易懂的人臉識(shí)別!

一、人臉識(shí)別步驟

 二、直接上代碼

(1)錄入人臉.py

import cv2
 
 
face_name = 'cjw'  # 該人臉的名字
 
 
# 加載OpenCV人臉檢測(cè)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(zhǔn)備好識(shí)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)  # 在視頻流的幀的寬度
H_size = 0.1 * camera.get(4)  # 在視頻流的幀的高度
 
 
def get_face():
    print("正在從攝像頭錄入新人臉信息 \n")
    picture_num = 0  # 設(shè)置錄入照片的初始值
    while True:  # 從攝像頭讀取圖片
        global success  # 設(shè)置全局變量
        global img  # 設(shè)置全局變量
        ret, frame = camera.read()  # 獲得攝像頭讀取到的數(shù)據(jù)(ret為返回值,frame為視頻中的每一幀)
        if ret is True:
            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  # 轉(zhuǎn)為灰度圖片
        else:
            break
 
        face_detector = face_cascade  # 記錄攝像頭記錄的每一幀的數(shù)據(jù),讓Classifier判斷人臉
        faces = face_detector.detectMultiScale(gray, 1.3, 5)  # gray是要灰度圖像,1.3為每次圖像尺寸減小的比例,5為minNeighbors
 
        for (x, y, w, h) in faces:  # 制造一個(gè)矩形框選人臉(xy為左上角的坐標(biāo),w為寬,h為高)
            cv2.rectangle(frame, (x, y), (x + w, y + w), (255, 0, 0))
            picture_num += 1  # 照片數(shù)加一
            t = face_name
            cv2.imwrite("./data/1." + str(t) + '.' + str(picture_num) + '.jpg', gray[y:y + h, x:x + w])
            # 保存圖像,將臉部的特征轉(zhuǎn)化為二維數(shù)組,保存在data文件夾內(nèi)
        maximums_picture = 13  # 設(shè)置攝像頭拍攝照片的數(shù)量的上限
        if picture_num > maximums_picture:
            break
        cv2.waitKey(1)
 
 
get_face()

注意:加載分類器的文件地址;cv2.imwrite:保存圖片的路徑

(2)數(shù)據(jù)訓(xùn)練.py

import os
import cv2
from PIL import Image
import numpy as np
 
 
def getlable(path):
    facesamples = []  # 儲(chǔ)存人臉數(shù)據(jù)(該數(shù)據(jù)為二位數(shù)組)
    ids = []  # 儲(chǔ)存星門數(shù)據(jù)
    imagepaths = [os.path.join(path, f) for f in os.listdir(path)]  # 儲(chǔ)存圖片信息
    face_detector = cv2.CascadeClassifier('D:/BaiduNetdiskDownload/python/opencv/opencv-4.5.1/data/haarcascades/'
                                          'haarcascade_frontalface_alt2.xml')  # 加載分類器
    print('數(shù)據(jù)排列:', imagepaths)  # 打印數(shù)組imagepaths
    for imagePath in imagepaths:  # 遍歷列表中的圖片
        pil_img = Image.open(imagePath).convert('L')
        # 打開圖片,灰度化,PIL的兩種不同模式:
        # (1)1(黑白,有像素的地方為1,無(wú)像素的地方為0)
        # (2)L(灰度圖像,把每個(gè)像素點(diǎn)變成0~255的數(shù)值,顏色越深值越大)
        img_numpy = np.array(pil_img, 'uint8')  # 將圖像轉(zhuǎn)化為數(shù)組
        faces = face_detector.detectMultiScale(img_numpy)  # 獲取人臉特征
        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(yù)防無(wú)面容照片
            ids.append(id)
            facesamples.append(img_numpy[y:y+h, x:x+w])
        # 打印臉部特征和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)  # 獲取圖像數(shù)組和id標(biāo)簽數(shù)組和姓名
    recognizer = cv2.face.LBPHFaceRecognizer_create()  # 獲取訓(xùn)練對(duì)象
    recognizer.train(faces, np.array(ids))
    recognizer.write('trainer/trainer.yml')   # 保存生成的人臉特征數(shù)據(jù)文件
 

(3) 進(jìn)行識(shí)別.py

import cv2
import os
 
 
# 加載訓(xùn)練數(shù)據(jù)集文件
recogizer = cv2.face.LBPHFaceRecognizer_create()
recogizer.read('trainer/trainer.yml')  # 獲取臉部特征數(shù)據(jù)文件
names = []
warningtime = 0
 
 
def face_detect_demo(img):
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 轉(zhuǎn)換為灰度圖像
    face_detector = cv2.CascadeClassifier('D:/BaiduNetdiskDownload/python/opencv/opencv-4.5.1/'
                                          'data/haarcascades/haarcascade_frontalface_default.xml')  # 加載分類器
    face = face_detector.detectMultiScale(gray, 1.3, 5, cv2.CASCADE_SCALE_IMAGE, (100, 100), (300, 300))
    # 進(jìn)行識(shí)別,把整張人臉部分框起來(lái)
    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(jìn)行預(yù)測(cè)、評(píng)分
        if confidence > 80:
            global warningtime
            warningtime += 1
            if warningtime > 100:  # 警報(bào)達(dá)到一定次數(shù),說明不是這個(gè)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數(shù)據(jù)(flag為返回值,frame為視頻中的每一幀)
    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)

三、運(yùn)行過程及結(jié)果

1、獲取人臉照片于目標(biāo)文件中

2、進(jìn)行數(shù)據(jù)訓(xùn)練,獲得trainer.yml文件中的數(shù)據(jù)

3.進(jìn)行識(shí)別         

總結(jié)

到此這篇關(guān)于Python基于opencv實(shí)現(xiàn)的人臉識(shí)別的文章就介紹到這了,更多相關(guān)opencv人臉識(shí)別內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

最新評(píng)論