ubuntu下使用opencv和python实现实时视频流人脸识别

ubuntu下使用opencv和python实现人脸识别
1.直接使用古月大佬人脸识别程序修改，因为源程序设计到rospy，可以不使用，修改如下：
其中haarcascade_frontalface_alt.xml和haarcascade_profileface.xml可以在附录中直接查找

#!/usr/bin/python3
# -*- coding: utf-8 -*-

import cv2

def detect_face(input_image):

    # 使用级联表初始化haar特征检测器
    cascade_1 = cv2.CascadeClassifier('data/haar_detectors/haarcascade_frontalface_alt.xml')
    cascade_2 = cv2.CascadeClassifier('data/haar_detectors/haarcascade_profileface.xml')

    # 设置级联表的参数，优化人脸识别，可以在launch文件中重新配置
    haar_scaleFactor  = 1.2
    haar_minNeighbors = 2
    haar_minSize      = 40
    haar_maxSize      = 60

    # 首先匹配正面人脸的模型
    if cascade_1:
        faces = cascade_1.detectMultiScale(input_image, 
                haar_scaleFactor, 
                haar_minNeighbors, 
                cv2.CASCADE_SCALE_IMAGE, 
                (haar_minSize, haar_maxSize))
                                     
    # 如果正面人脸匹配失败，那么就尝试匹配侧面人脸的模型
    if len(faces) == 0 and cascade_2:
        faces = cascade_2.detectMultiScale(input_image, 
                haar_scaleFactor, 
                haar_minNeighbors, 
                cv2.CASCADE_SCALE_IMAGE, 
                (haar_minSize, haar_maxSize))
    return faces
if __name__ == '__main__':
    # read video stream
    cap = cv2.VideoCapture(0)     # 读取视频
    while cap.isOpened():               # 当视频被打开时：
        ret, frame = cap.read()         # 读取视频，读取到的某一帧存储到frame，若是读取成功，ret为True，反之为False
        if ret:                         # 若是读取成功
            # cv2.imshow('frame', frame)  # 显示读取到的这一帧画面
            print("read video stream ok")
            key = cv2.waitKey(25)       # 等待一段时间，并且检测键盘输入
            if key == ord('q'):         # 若是键盘输入'q',则退出，释放视频
                cap.release()           # 释放视频
        else:
            cap.release()

        open_face_detector = 1

        if open_face_detector:
            # 创建灰度图像
            grey_image = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

            # 创建平衡直方图，减少光线影响
            grey_image = cv2.equalizeHist(grey_image)

            # 尝试检测人脸
            faces_result = detect_face(grey_image)
            color = (50, 255, 50)
            # 在opencv的窗口中框出所有人脸区域
            if len(faces_result) > 0:
                print("face recognition successful")
                for face in faces_result: 
                    x, y, w, h = face
                    cv2.rectangle(frame, (x, y), (x+w, y+h), color, 2)
        cv2.imshow('frame', frame)  # 显示读取到的这一帧画面
    cv2.destroyAllWindows()             # 关闭所有窗口

实现的检测效果并不是太好。
2.通过了解发现xml文件有很多，考虑换一个文件试一下效果，具体下载链接在：
https://github.com/opencv/opencv/tree/master/data/haarcascades

直接将检测的xml文件都换成识别脸部的

  # 使用级联表初始化haar特征检测器
    cascade_1 = cv2.CascadeClassifier('data/haarcascades/haarcascade_frontalface_default.xml')
    cascade_2 = cv2.CascadeClassifier('data/haar_detectors/haarcascade_profileface.xml')

效果比之前的稍微好一点
3.使用谷歌开源的mediapipe框架，代码比较简单识别速度也是比较快的，不过要先安装好mediapipe的库，具体可以直接参考官方的源码：https://developers.google.cn/mediapipe/solutions/vision/face_detector/python#image_1

#!/usr/bin/env python3
# -*- coding: utf-8 -*-


import cv2
import mediapipe as mp

mp_drawing = mp.solutions.drawing_utils
mp_drawing_styles = mp.solutions.drawing_styles
mp_face = mp.solutions.face_detection

def face_detection_mediapipe():
    # read video stream
    cap = cv2.VideoCapture(0)     # 读取视频
    while cap.isOpened():               # 当视频被打开时：
        ret, frame = cap.read()         # 读取视频，读取到的某一帧存储到frame，若是读取成功，ret为True，反之为False
        if ret:                         # 若是读取成功
            # cv2.imshow('frame', frame)  # 显示读取到的这一帧画面
            print("read video stream ok")
            key = cv2.waitKey(25)       # 等待一段时间，并且检测键盘输入
            if key == ord('q'):         # 若是键盘输入'q',则退出，释放视频
                cap.release()           # 释放视频
        else:
            cap.release()

        with mp_face.FaceDetection(min_detection_confidence=0.5) as faces:
            results = faces.process(frame)
            if results.detections:
                print("hello")
                for detection in results.detections:
                            mp_drawing.draw_detection(
                                frame,
                                detection)
        cv2.imshow('frame', frame)  # 显示读取到的这一帧画面


if __name__ == '__main__':
    try:
        face_detection_mediapipe()
    except KeyboardInterrupt:
        print ("Shutting down pose node.")
        cv2.destroyAllWindows()

谷歌开源的库也可以实现对手势、人体姿势、物品分类的检测

4.在满足以上基本的人脸识别后希望可以检测出人名。
这部分直接参考的网上现成的代码：https://blog.csdn.net/u011477914/article/details/108269948
想实现的可以直接参考，就不在这详细重复了，另外在这里给大家说一下使用时候的注意事项:
就是报错：cv2.face has no attribute ‘LBPHFaceRecognizer_create’
问题的解决参考网上的一个是使用函数变了，就是把cv2.face.LBPHFaceRecognizer_create()改成cv2.face.LBPHFaceRecognizer.create(),我的没有解决问题；
然后说是没有安装opencv-contrib-python，重新装了一下显示已经装过了，还没有解决问题；
然后就是查看opencv和opencv-contrib-python的版本是否一致，最后发现我的opencv是4.8.1，opencv-contrib-python是4.8.0不对应，把旧的opencv-contrib-python卸载，重新装了4.8.1.47的opencv-contrib-python，可以了。