Python基于opencv實(shí)現(xiàn)的人臉識(shí)別(適合初學(xué)者)
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!
- python opencv人臉識(shí)別考勤系統(tǒng)的完整源碼
- python實(shí)現(xiàn)圖片,視頻人臉識(shí)別(opencv版)
- Python基于Opencv來(lái)快速實(shí)現(xiàn)人臉識(shí)別過程詳解(完整版)
- Python opencv實(shí)現(xiàn)人眼/人臉識(shí)別以及實(shí)時(shí)打碼處理
- Python基于OpenCV庫(kù)Adaboost實(shí)現(xiàn)人臉識(shí)別功能詳解
- python調(diào)用OpenCV實(shí)現(xiàn)人臉識(shí)別功能
- python opencv3實(shí)現(xiàn)人臉識(shí)別(windows)
- 基于python3 OpenCV3實(shí)現(xiàn)靜態(tài)圖片人臉識(shí)別
- 使用 Python 和 OpenCV 實(shí)現(xiàn)實(shí)時(shí)人臉識(shí)別功能
相關(guān)文章
Python實(shí)現(xiàn)打印http請(qǐng)求信息
這篇文章主要介紹了Python實(shí)現(xiàn)打印http請(qǐng)求信息方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2024-06-06python結(jié)合selenium獲取XX省交通違章數(shù)據(jù)的實(shí)現(xiàn)思路及代碼
這篇文章主要介紹了python結(jié)合selenium獲取XX省交通違章數(shù)據(jù)的實(shí)現(xiàn)思路及代碼方法的相關(guān)資料2016-06-06使用BeautifulSoup4解析XML的方法小結(jié)
這篇文章主要介紹了使用BeautifulSoup4解析XML的方法小結(jié),文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-12-12python: 自動(dòng)安裝缺失庫(kù)文件的方法
今天小編就為大家分享一篇python: 自動(dòng)安裝缺失庫(kù)文件的方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來(lái)看看吧2018-10-10Linux環(huán)境下的Python打包和部署實(shí)踐
這篇文章主要介紹了Linux環(huán)境下的Python打包和部署實(shí)踐的相關(guān)資料,需要的朋友可以參考下2023-11-11關(guān)于Tensorflow和Keras版本對(duì)照及環(huán)境安裝
這篇文章主要介紹了關(guān)于Tensorflow和Keras版本對(duì)照及環(huán)境安裝方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-08-08python過濾字符串中不屬于指定集合中字符的類實(shí)例
這篇文章主要介紹了python過濾字符串中不屬于指定集合中字符的類,涉及Python針對(duì)字符串與集合的相關(guān)操作技巧,需要的朋友可以參考下2015-06-06