基于Python的OpenCV人脸录入模型

import cv2
import os

# 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)

face_detector = cv2.CascadeClassifier(r'haarcascade_frontalface_default.xml')

face_id = input('\n enter user id:')

# 输入数字0/1/2/3.....来记录图片
print('\n Initializing face capture. Look at the camera and wait ...')

count = 0

while True:

    # 从摄像头读取图片

    sucess, img = cap.read()

    # 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)

    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x + w, y + w), (255, 0, 0))
        count += 1

        # 保存图像
        cv2.imwrite("Facedata/User." + str(face_id) + '.' + str(count) + '.jpg', gray[y: y + h, x: x + w])

        cv2.imshow('image', img)

    # 保持画面的持续。

    k = cv2.waitKey(1)

    if k == 27:  # 通过esc键退出摄像
        break

    elif count >= 1000:  # 得到1000个样本后退出摄像
        break

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

好的,我可以为您提供一个基于PythonOpenCV人脸录入、识别系统的简单实现。 首先,需要安装OpenCV库和Python的相关库。可以使用以下命令安装: ``` pip install opencv-python pip install numpy pip install Pillow ``` 接下来,我们需要进行人脸录入。实现方法如下: 1. 创建一个名为“dataset”文件夹,用于存储我们录入人脸数据。 2. 运行以下代码: ``` import cv2 import os # 定义一个函数来录入人脸数据 def face_dataset(): # 使用OpenCV中的Haar级联分类器来检测人脸 face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') # 打开摄像头 cap = cv2.VideoCapture(0) # 输入姓名 name = input("请输入你的名字:") # 创建一个文件夹,用于存储当前用户的人脸数据 folder_name = 'dataset/' + name if not os.path.exists(folder_name): os.makedirs(folder_name) # 计数器,用于给保存的图片命名 count = 0 while True: # 读取摄像头中的画面 ret, frame = cap.read() # 转换为灰度图像 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 检测人脸 faces = face_cascade.detectMultiScale(gray, 1.3, 5) # 对每一张检测到的人脸进行处理 for (x, y, w, h) in faces: # 截取人脸区域 roi_gray = gray[y:y+h, x:x+w] # 将人脸保存到文件夹中 cv2.imwrite(folder_name + '/' + str(count) + '.jpg', roi_gray) # 在摄像头画面中框出人脸 cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2) # 计数器加一 count += 1 # 在摄像头画面中显示人脸 cv2.imshow('frame', frame) # 按'q'键退出循环 if cv2.waitKey(1) & 0xFF == ord('q'): break # 释放摄像头资源 cap.release() # 关闭所有窗口 cv2.destroyAllWindows() ``` 运行上述代码后,会打开摄像头,要求输入姓名,并将录入人脸数据保存在“dataset”文件夹中。 接下来,我们需要进行人脸识别。实现方法如下: 1. 创建一个名为“trainer.yml”的文件,用于存储训练模型。 2. 运行以下代码: ``` import cv2 import numpy as np import os # 定义一个函数来训练人脸识别模型 def face_training(): # 使用OpenCV中的LBPH算法来训练人脸识别模型 recognizer = cv2.face_LBPHFaceRecognizer.create() # 获取数据集中的人脸数据和标签 faces = [] labels = [] for folder_name in os.listdir('dataset'): label = int(folder_name.split('_')[0]) for filename in os.listdir('dataset/' + folder_name): img = cv2.imread('dataset/' + folder_name + '/' + filename, cv2.IMREAD_GRAYSCALE) faces.append(img) labels.append(label) # 训练人脸识别模型 recognizer.train(faces, np.array(labels)) # 将训练好的模型保存到文件中 recognizer.save('trainer.yml') ``` 运行上述代码后,会从“dataset”文件夹中读取人脸数据并训练人脸识别模型,并将模型保存到“trainer.yml”文件中。 最后,我们来进行人脸识别。实现方法如下: ``` import cv2 import numpy as np # 定义一个函数来进行人脸识别 def face_recognition(): # 使用OpenCV中的Haar级联分类器来检测人脸 face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') # 加载训练好的人脸识别模型 recognizer = cv2.face.LBPHFaceRecognizer_create() recognizer.read('trainer.yml') # 创建一个字典,用于将标签转换为姓名 names = { 0: '张三', 1: '李四', 2: '王五', # 依次类推 } # 打开摄像头 cap = cv2.VideoCapture(0) while True: # 读取摄像头中的画面 ret, frame = cap.read() # 转换为灰度图像 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 检测人脸 faces = face_cascade.detectMultiScale(gray, 1.3, 5) # 对每一张检测到的人脸进行处理 for
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值