Python的人脸识别程序

1.录入人脸，输入ID号

haarcascade_frontalface_default.xml

#  导入模块
import os
import numpy as np
import cv2 as cv
import cv2

face_detector = cv2.CascadeClassifier(r'D:\Automation_All_Files\OCR\haarcascade_frontalface_default.xml') # 待更改

# 为即将录入的脸标记一个id

face_id = input(r'Userdatainput, Look at the camera and wait …')

# sampleNum用来计数样本数目

count = 0
while True:
    #从摄像头读取图片
    cap = cv2.VideoCapture(0)
    success,img = cap.read()
    print(f'success is:{success}')
    print(f'img is :{img}')

    #转为灰度图片，减少程序符合，提高识别度

    if success is True:

        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    else:

        break

    #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

    #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

    faces = face_detector.detectMultiScale(gray, 1.3, 5)



    #框选人脸，for循环保证一个能检测的实时动态视频流

    for (x, y, w, h) in faces:

        #xy为左上角的坐标,w为宽，h为高，用rectangle为人脸标记画框

        cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0))

        #成功框选则样本数增加

        count += 1

        #保存图像，把灰度图片看成二维数组来检测人脸区域qw

        #(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)

        cv2.imwrite("data/User."+str(face_id)+'.'+str(count)+'.jpg',gray[y:y+h,x:x+w])

        #显示图片

        cv2.imshow('image',img)

        #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

    k = cv2.waitKey(1)

    if k == '27':

        break

        #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

    elif count >= 10:

        break

2.训练：

#encoding=utf-8

import os

import cv2

import numpy as np

from PIL import Image

# 导入pillow库，用于处理图像

# 设置之前收集好的数据文件路径

path = r'D:\Automation_All_Files\OCR\data'

# 初始化识别的方法

recog = cv2.face.LBPHFaceRecognizer_create()

# 调用熟悉的人脸分类器

detector = cv2.CascadeClassifier(r'D:\Automation_All_Files\OCR\haarcascade_frontalface_default.xml')

# 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

# 注意图片的命名格式为User.id.sampleNum

def get_images_and_labels(path):



    image_paths = [os.path.join(path,f) for f in os.listdir(path)]
    print(image_paths)

    #新建连个list用于存放

    face_samples = []

    ids = []



    #遍历图片路径，导入图片和id添加到list中

    for image_path in image_paths:



        #通过图片路径将其转换为灰度图片

        img = Image.open(image_path).convert('L')



        #将图片转化为数组

        img_np = np.array(img,'uint8')
        print(f'os.path.split(image_path)[-1] is:{os.path.split(image_path)[-1]}')


        if os.path.split(image_path)[-1].split(".")[-1] != 'jpg':

            continue



        #为了获取id，将图片和路径分裂并获取

        id = int(os.path.split(image_path)[-1].split(".")[1])

        faces = detector.detectMultiScale(img_np)



        #将获取的图片和id添加到list中

        for(x,y,w,h) in faces:

            face_samples.append(img_np[y:y+h,x:x+w])

            ids.append(id)


    print( face_samples,ids)
    return face_samples,ids


# 调用函数并将数据喂给识别器训练

print(r'Training…')

faces, ids = get_images_and_labels(path)

# 训练模型

recog.train(faces, np.array(ids))

# 保存模型

recog.save(r'trainner.yml')

3.根据曾经录入的人脸和训练模型，确定当前的camera前的是谁。

# -----检测、校验并输出结果-----

import cv2

# 准备好识别方法

recognizer = cv2.face.LBPHFaceRecognizer_create()

# 使用之前训练好的模型

recognizer.read(r'trainner.yml')

# 再次调用人脸分类器

cascade_path = r'D:\Automation_All_Files\OCR\haarcascade_frontalface_default.xml'

face_cascade = cv2.CascadeClassifier(cascade_path)

# 加载一个字体，用于识别后，在图片上标注出对象的名字

font = cv2.FONT_HERSHEY_SIMPLEX

idnum = 0

# 设置好与ID号码对应的用户名，如下，如0对应的就是初始

names = ['original', 'girl', 'minglan', 'me', 'rulan']

# 调用摄像头

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)

    # 识别人脸

    faces = face_cascade.detectMultiScale(

        gray,

        scaleFactor=1.2,

        minNeighbors=5,

        minSize=(int(minW), int(minH))

    )

    # 进行校验

    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])

        # 计算出一个检验结果

        if confidence < 100:

            idum = names[idnum]

            confidence = "{0}%", format(round(100 - confidence))

        else:

            idum = "unknown"

            confidence = "{0}%", format(round(100 - confidence))

        # 输出检验结果以及用户名

        cv2.putText(img, str(idum), (x + 5, y - 5), font, 1, (0, 0, 255), 1)

        cv2.putText(img, str(confidence), (x + 5, y + h - 5), font, 1, (0, 0, 0), 1)

        # 展示结果

        cv2.imshow('camera', img)

        k = cv2.waitKey(20)

        if k == 27:
            break

完成后运行将在左上角显示人名（输入的ID号和）

参考：Python的人脸识别设计史上最全的教程，手把手教（附源代码）_人脸识别代码-CSDN博客