python关于opencv、keras环境下的人脸检测识别

人脸检测识别

计算机视觉入门最基本项目大概就是这人脸识别了，容易上手。本文是基于另外一篇博客基础上https://blog.csdn.net/qq_42633819/article/details/81191308，花了两晚上时间搞了一下，算是成功了吧（电脑显卡比较渣，摄像头不清晰，结果不理想。就不放最终正确识别的图像了）。

2.准备

大概需要一台电脑以及摄像头。

3.各种库、环境的安装

关于python安装就不多说了，本人装的Anaconda 3.7

opencv安装，参考

https://jingyan.baidu.com/article/fdbd4277bf0816b89e3f4807.html

keras 配置，直接在opencv环境下配置

sklearn、PLI也配置在opencv 环境下

Scikit-learn(sklearn)是机器学习中常用的第三方模块，对常用的机器学习方法进行了封装，包括回归(Regression)、降维(Dimensionality Reduction)、分类(Classfication)、聚类(Clustering)等方法。当我们面临机器学习问题时，便可根据下图来选择相应的方法。

PIL（Python Imaging Library）是Python常用的图像处理库，而Pillow是PIL的一个友好Fork，提供了了广泛的文件格式支持，强大的图像处理能力，主要包括图像储存、图像显示、格式转换以及基本的图像处理操作等。

4.人脸获取

利用opencv调用摄像头，获取500张你的脸的图像。创建python文件，命名为face_cut_save,代码如下：

import cv2
import sys
#from PIL import Image 

def CatchPICFromVideo(window_name, camera_idx, catch_pic_num, path_name):
    cv2.namedWindow(window_name)    
    #视频来源，可以来自一段已存好的视频，也可以直接来自USB摄像头
    cap = cv2.VideoCapture(camera_idx)                
    #告诉OpenCV使用人脸识别分类器
    classfier = cv2.CascadeClassifier("F:\\Anaconda\Anaconda3.7\\envs\opencv\\Library\\etc\\haarcascades\\haarcascade_frontalface_alt2.xml")
    #识别出人脸后要画的边框的颜色，RGB格式
    color = (0, 255, 0)
    num = 0    
    while cap.isOpened():
        ok, frame = cap.read() #读取一帧数据
        if not ok:            
            break                
        grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  #将当前桢图像转换成灰度图像                    
        #人脸检测，1.2和2分别为图片缩放比例和需要检测的有效点数
        faceRects = classfier.detectMultiScale(grey, scaleFactor = 1.2, minNeighbors = 3, minSize = (32, 32))
        if len(faceRects) > 0:          #大于0则检测到人脸                                   
            for faceRect in faceRects:  #单独框出每一张人脸
                x, y, w, h = faceRect                        
                #将当前帧保存为图片
                img_name = '%s/%d.jpg'%(path_name, num)                
                image = frame[y - 10: y + h + 10, x - 10: x + w + 10]
                cv2.imwrite(img_name, image)                                
                num += 1                
                if num > (catch_pic_num):   #如果超过指定最大保存数量退出循环
                    break
                #画出矩形框
                cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)
                #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(frame,'num:%d/500' % (num),(x + 30, y + 30), font, 1, (255,0,255),4)                

        #超过指定最大保存数量结束程序
        if num > (catch_pic_num): break                                      
        #显示图像
        cv2.imshow(window_name, frame)        
        c = cv2.waitKey(10)
        if c & 0xFF == ord('q'):
            break            

    #释放摄像头并销毁所有窗口
    cap.release()
    cv2.destroyAllWindows() 

if __name__ == '__main__':

    if len(sys.argv) != 1:
        print("Usage:%s camera_id face_num_max path_name\r\n" % (sys.argv[0]))
    else:
        CatchPICFromVideo("截取人脸", "H:/data-detect/1.mp4", 499, 'H:/data-detect/my_face')
  

先创建一个文件夹data-detect，把所有代码和数据都放这里。

在该文件夹下创建face_data文件用来存储人脸图像,my_face存储自已的脸图像&#