Python+opencv 人脸识别----阔别8年后重学编程的点点滴滴

因为疫情已经在家里困了一个月零5天了，在家辅导幼儿园小朋友作业，其余时间没什么事，想着阔别了8年之久的编程工作，看着最近的科技产品越来越发达，还是想自己编点东西玩玩，网上搜了搜python的学习，这就开始吧。 —2020年2月29日

先立个Flag放到这，希望经过系统的学习和实验，能够完成这样一个效果：
1、摄像头立在公司门口，经过的员工进行人脸识别，记录来单位的时间。
2、再结合一个红外摄像头还是什么的，对该员工进行温度测量，并记录。
3、加个喇叭，体温正常了问个好，让员工开心上班；温度不正常了发出警告。
4、再有什么功能了再想。
然后一起学习，一起尝试着做出来吧。

鉴于目前什么都不会，先来第一步，让电脑认识我。

1、openCV人脸识别器cv2.face

1、环境搭建

之前的环境搭建业费了些事，不过网上有很多文章，大家可以看看。

至于cv2.face，我昨晚又下载了2个小时才弄好。
简单的说就是之前 pip install opencv-python 时安装的cv2不包含人脸识别部分，需要重新pip
首先把老的删掉，pip uninstall opencv-python,把之前安装的cv2删除，然后pip install opencv-contrib-python,安装新的包。
安装时很费劲，速度只有几k,还经常中断，不知道其他人怎么样，我是一遍一遍的重试，总会成功的，欢迎知道解决方案的朋友留言，谢谢大家。

2、人脸照片准备

做人脸识别，首先得让及其认识人，openCV中认人的方法就是通过足够的照片，来认识到一个人脸部的特征，然后看到新照片时才能认识。
SO，第一步准备照片。我准备了三个人的照片，妻子，儿子和我自己的。
准备的照片按照规则命名，并放在对应的文件夹里。按照规则命名，里面的照片名也是1、2、3…这样的，好让程序循环读入。

3、代码实现

主要是学习了beyond_LH 的文章，谢谢beyond_LH 的无私分享。
文章地址如下：
beyong_LH写的识别黄家驹，黄家强兄弟的程序

大部分程序实现借鉴了上面文章的写法，针对自己的想法改了一些具体应用，思路是一样的。
首先导入包

import cv2
import os
import numpy as np

然后是检测人脸的函数
其中‘haarcascade_frontalface_default.xml’我是在python的目录里搜索到复制出来的，网上说自己没有的话需要下载，大家可以自己找。
另外目前做到的水平是一张图片只识别一张脸，能成功后再尝试多人同时出镜。

#检测人脸
def detect_face(img):
    #将检测图片转化为灰度图，因为openCV人脸识别用的是灰度图像
    gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

    #加载OpenCV人脸检测分类器Haar
    face_cascade = cv2.CascadeClassifier('D:/PycharmProjects/Tset2/haarcascade_frontalface_default.xml')

    #检测多尺度图像，返回值是一张脸部区域信息的列表(x,y,width,height)
    faces = face_cascade.detectMultiScale(gray,scaleFactor=1.2,minNeighbors=5)

     #如果没有检测到人脸，返回原始图像
    if (len(faces) == 0):
        return None,None

    #目前假设只有一张脸，x,y为左上角坐标,w,h为矩形的宽高
    (x,y,w,h) = faces[0]

    #返回图像的正面部分
    return gray[y:y+w,x:x+h],faces[0]

做一个读取图片的函数，返回人脸信息和对应的标签信息
这里就和之前建立文件夹和文件的命名规则对应了。

#该函数用于读取所有的训练图像，从每个图像检测人脸并将返回两个相同大小的列表，分别为脸部信息和标签
def prepare_training_data(data_folder_path):
    # 获取数据文件夹中的目录（每个主题一个目录）
    dirs = os.listdir(data_folder_path)

    #建立两个列表，分别保存所有的脸部信息和标签
    faces = []
    labels = []

    #浏览每个目录并访问其中的图像
    for dir_name in dirs:
        #dir_name(str类型)既标签
        label = int(dir_name)
        #建立包含当前主题主题图像的目录路径
        subject_dir_path = data_folder_path + '/' + dir_name
        #获取主题目录下图像名称
        subject_images_names = os.listdir(subject_dir_path)

        #浏览每张图片并检测脸部，然后将脸部信息添加到脸部列表
        for image_name in subject_images_names:
            #建立图像路径
            image_path = subject_dir_path + '/' + image_name
            #读取图像
            image = cv2.imread(image_path)
            #显示图像0.1s
            cv2.imshow('Training on Image...',image)
            cv2.waitKey(50)

            #脸部检测
            face,rect = detect_face(image)
            #忽略未检测到得脸部，其他的加入列表
            if face is not None:
                faces.append(face)
                labels.append(label)
                print(str(image_path)+'   '+str(label))

    cv2.waitKey(1)
    cv2.destroyAllWindows()

    #返回人脸和标签列表
    return faces,labels

调用训练函数，得到脸部图片列表和对应的标签列表
参数是data_folder_path 存放训练图片的文件夹路径

#调用训练函数
faces,labels = prepare_training_data('f:/FaceRegTest')

人脸特征识别！！！
最牛逼的步骤，但是都是大神们实现好的，我们只需要调用就行了

首次使用或者更新训练图片时要让识别器进行训练

#创建LBPH识别器并开始训练，也可以使用Eigen或者Fisher识别器
face_recognizer = cv2.face.LBPHFaceRecognizer_create()
face_recognizer.train(faces