目录
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()
4.操作顺序
首先运行摄取图像.py ,运行训练数据.py 之后运行人脸识别.py便可实时获得识别结果如下屏幕中会显示识别的用户姓名
四、结语
这只是对基本的算法测试,当然功能也是非常简单,加上一些前端页面,引用数据库,后端再增加一些别的功能比如登录,签到,就可以整合为一个基本的人脸识别考勤系统了。
这里推荐一个拖拽式前端页面搭建工具:QtDesigner 适合快速搭建简易页面,之后给每个标签绑定响应的功能函数即可,界面如下
以上就是使用Python实现人脸识别的基本步骤和代码实现。