《Python人脸识别实现指南》

先锋 Coder

已于 2023-10-28 19:56:19 修改

阅读量780

点赞数 2

分类专栏： python 文章标签： python 开发语言

于 2023-10-28 19:53:02 首次发布

本文链接：https://blog.csdn.net/TM007_/article/details/134093647

版权

python 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

一、引言

二、Python人脸识别实现步骤

三、Python人脸识别代码实现

1.人脸图像采集代码，faceCollect.py

2.人脸数据训练代码，faceTraining.py

3. 人脸识别代码，faceRecog.py

4.操作顺序

四、结语

一、引言

在当今的科技时代，人脸识别技术已经成为了我们生活中不可或缺的一部分。无论是手机解锁、门禁系统，还是社交媒体的面部滤镜，都离不开人脸识别技术的支持。而Python作为一种广泛使用的编程语言，其强大的库函数和易读性使其成为了实现人脸识别的理想选择。本文将详细介绍如何使用Python实现人脸识别。

二、Python人脸识别实现步骤

安装必要的库：首先，我们需要安装一些必要的库，如OpenCV和face_recognition。OpenCV是一个开源的计算机视觉和机器学习软件库，而face_recognition则是OpenCV的一个子模块，专门用于人脸识别。
摄取图片：我们可以使用电脑相机摄取需要识别的图片。
人脸检测：使用face_recognition库的人脸检测功能，我们可以在图片中检测出人脸的位置。
人脸编码：通过face_recognition库的人脸编码功能，我们可以将检测到的人脸转换为一种可以被计算机识别的编码。
存储和比较人脸编码：将检测到的人脸编码存储起来，以便于后续的比较和识别。

三、Python人脸识别代码实现

以下是一个简单的Python人脸识别代码实现示例：

具体文件结构如下

user文件夹存放摄取的人脸图片

trainer.yml 文件是训练后的人脸数据

haar_cascades 文件是配置文件固定的

1.人脸图像采集代码，faceCollect.py

# 采集人脸
import cv2

# 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)
# 加载人脸模型库
face_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
face_id = input('\n 请输入姓名序号:')
print('\n 初始化面临捕获。看着镜头，等待 ...')
count = 0
# 获取摄像头实时画面
while True:
    # 读取摄像头当前这一帧的画面  success:True False image:当前这一帧画面
    success, img = cap.read()
    if not success:  # ok 是判断你有没有得到数据
        break

    # 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)
    if len(faces) > 0:
        for (x, y, w, h) in faces:
            # 画出矩形框
            cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0))
            count += 1

            # 保存图像
            cv2.imwrite("FaceData/user/User." + str(face_id) + '.' + str(count) + '.jpg', img[y: y + h, x: x + w])
            cv2.imshow('image', img)

            # 显示当前捕捉到了多少人脸图片了，这样站在那里被拍摄时心里有个数，不用两眼一抹黑傻等着
            font = cv2.FONT_HERSHEY_SIMPLEX
            cv2.putText(img, 'num:%d' % count, (x+w, y+w), font, 1, (255, 0, 255), 4)

    # 保持画面的持续。
    k = cv2.waitKey(5)
    if k == 27:   # 通过esc键退出摄像
        break

    elif count >= 500:  # 得到500个样本后退出摄像
        break

# 关闭摄像头
cap.release()
# 销毁窗口
cv2.destroyAllWindows()

2.人脸数据训练代码，faceTraining.py

# 人脸数据训练
import numpy as np
from PIL import Image
import os
import cv2

# 人脸数据路径
recognizer = cv2.face.LBPHFaceRecognizer_create()
detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")


def getImagesAndLabels(path):
    imagePaths = [os.path.join(path, f) for f in os.listdir(path)]  # join函数的作用？
    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(r'FaceData\user')
recognizer.train(faces, np.array(ids))

recognizer.write(r'FaceTrainer\trainer.yml')
print("{0} faces trained. Exiting Program".format(len(np.unique(ids))))

3. 人脸识别代码，faceRecog.py

# 人脸识别
# coding=utf-8
import cv2
import numpy
from PIL import Image, ImageDraw, ImageFont
# 语音说话
import pyttsx3
engine = pyttsx3.init()


# 解决cv2.putText绘制中文乱码
def cv2ImgAddText(img2, text, left, top, textColor=(0, 0, 255), textSize=20):
    if isinstance(img2, numpy.ndarray):  # 判断是否OpenCV图片类型
        img2 = Image.fromarray(cv2.cvtColor(img2, cv2.COLOR_BGR2RGB))
    # 创建一个可以在给定图像上绘图的对象
    draw = ImageDraw.Draw(img2)
    # 字体的格式
    fontStyle = ImageFont.truetype(r"C:\WINDOWS\FONTS\MSYH.TTC", 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(img2), cv2.COLOR_RGB2BGR)


recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('FaceTrainer/trainer.yml')
cascadePath = "haarcascade_frontalface_default.xml"
faceCascade = cv2.CascadeClassifier(cascadePath)
font = cv2.FONT_HERSHEY_SIMPLEX

num = 0
#这里用户名是根据摄取并训练后的人脸数据对应的，比如第一个用户，摄图，训练，用户一就填该用户
names = ['用户一', '用户二', '用户三']
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)
        num, confidence = recognizer.predict(gray[y:y + h, x:x + w])

        if confidence < 100:
            name = names[num]
            # confidence = "{0}%".format(round(100 - confidence))
            # confidence = format(round(100 - confidence))
        else:
            name = "unknown"
            # confidence = "{0}%".format(round(100 - confidence))
            # confidence = format(round(100 - confidence))

        # 解决cv2.putText绘制中文乱码
        img = cv2ImgAddText(img, name, x + 5, y - 30)
        # cv2.putText(img, name, (x + 5, y - 5), font, 1, (0, 0, 255), 1) 无法显示中文
        # cv2.putText(img, str(confidence.encode('utf-8')), (x+5, y+h-5), font, 1, (0, 0, 0), 1)

        if name == "unknown":
            engine.say('识别失败')
            engine.runAndWait()
        else:
            engine.say(name + '用户，识别成功')
            engine.runAndWait()

    cv2.imshow('camera', img)
    k = cv2.waitKey(5)
    if k == 27:
        break

cam.release()
cv2.destroyAllWindows()