人脸识别项目，从0到1的实现过程

已于 2022-12-21 22:02:17 修改
阅读量636 收藏 3
点赞数 3
分类专栏： 计算机视觉 文章标签： python opencv 计算机视觉
于 2022-12-21 21:53:33 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_46669450/article/details/128402264
版权

人脸识别项目，从0到1的实现过程

读取图片

代码

#导入cv模块
import cv2 as cv
#读取图片
img = cv.imread('face1.jpg')
#显示图片
cv.imshow('read_img',img)
cv.im
#等待
cv.waitKey(0)
#释放内存
cv.destroyAllWindows()

效果
在这里插入图片描述

灰度转换

代码

#导入cv模块
import cv2 as cv
#读取图片
img = cv.imread('face1.jpg')
#灰度转换
gray_img = cv.cvtColor(img,cv.COLOR_BGRA2GRAY)
#显示灰度图片
cv.imshow('gray',gray_img)
#保存灰度图片
cv.imwrite('gray_face1.jpg',gray_img)
#显示原图片
cv.imshow('read_img',img)
#等待
cv.waitKey(0)
#释放内存
cv.destroyAllWindows()

效果
在这里插入图片描述

尺寸修改

代码

#导入cv模块
import cv2 as cv
#读取图片
img = cv.imread('face1.jpg')
#修改原图尺寸
resize_img = cv.resize(img,dsize=(400,400))
#展示原图
cv.imshow('img',img)
#展示修改后的图片
cv.imshow('resize_img',resize_img)
#打印原图大小
print('原图大小：',img.shape)
#打印修改后图片的大小
print('修改后图片大小：',resize_img.shape)
#等待,检测到键盘按‘q'结束
while True:
    if ord('q') == cv.waitKey(0):
        break
#释放内存
cv.destroyAllWindows()

效果
在这里插入图片描述

绘制矩形

代码

#导入cv模块
import cv2 as cv
#读取图片
img = cv.imread('face1.jpg')
#坐标  起点（x,y） 宽w 高h
x,y,w,h = 100,100,100,100
#绘制矩形
cv.rectangle(img,(x,y,x+w,y+h),color=(0,0,255),thickness=1)
#绘制圆形
cv.circle(img,center=(x+w,y+h),radius=100,color=(255,0,0),thickness=2)
#显示图片
cv.imshow('new_img',img)
#等待,检测到键盘按‘q'结束
while True:
    if ord('q') == cv.waitKey(0):
        break
#释放内存
cv.destroyAllWindows()

效果
在这里插入图片描述

人脸检测

代码

#导入cv模块
import cv2 as cv
#检测函数
def face_detect_demo():
    gray = cv.cvtColor(img,cv.COLOR_BGRA2GRAY)
    #分类器，找到OpenCV库（cv2库）文件所在位置，复制其中一个关于脸部检测的分类器的路径即可
    face_detect = cv.CascadeClassifier('E:/python 3.9.13/Lib/site-packages/cv2/data/haarcascade_frontalface_alt.xml')
    #(图片,缩放倍速，检测次数确定，0，最小像素，最大像素）
    #face = face_detect.detectMultiScale(gray,1.01,5,0,(100,100),(300,300))
    # 使用默认的参数
    face = face_detect.detectMultiScale(gray)
    for x,y,w,h in face:
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
    cv.imshow('result',img)
#读取图片
img = cv.imread('face1.jpg')
#检测函数
face_detect_demo()
#等待,检测到键盘按‘q'结束
while True:
    if ord('q') == cv.waitKey(0):
        break
#释放内存
cv.destroyAllWindows()

效果
在这里插入图片描述

多个人脸检测

代码

#导入cv模块
import cv2 as cv
#检测函数
def face_detect_demo():
    gray = cv.cvtColor(img,cv.COLOR_BGRA2GRAY)
    # 分类器，找到OpenCV库（cv2库）文件所在位置，复制其中一个关于脸部检测的分类器的路径即可
    face_detect = cv.CascadeClassifier('E:/python 3.9.13/Lib/site-packages/cv2/data/haarcascade_frontalface_alt.xml')
    #(图片,缩放倍速，检测次数确定，0，最小像素，最大像素）
    #face = face_detect.detectMultiScale(gray,1.01,5,0,(50,50),(80,80))
    #使用默认的参数
    face = face_detect.detectMultiScale(gray)
    for x,y,w,h in face:
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
    cv.imshow('result',img)
#读取图片
img = cv.imread('face2.jpg')
#检测函数
face_detect_demo()
#等待,检测到键盘按‘q'结束
while True:
    if ord('q') == cv.waitKey(0):
        break
#释放内存
cv.destroyAllWindows()

效果
在这里插入图片描述

视频检测

代码

#导入cv模块
import cv2 as cv
#检测函数
def face_detect_demo(img):
    gray = cv.cvtColor(img,cv.COLOR_BGRA2GRAY)
    # 分类器，找到OpenCV库（cv2库）文件所在位置，复制其中一个关于脸部检测的分类器的路径即可
    face_detect = cv.CascadeClassifier('E:/python 3.9.13/Lib/site-packages/cv2/data/haarcascade_frontalface_alt.xml')
    #(图片,缩放倍速，检测次数确定，0，最小像素，最大像素）
    #face = face_detect.detectMultiScale(gray,1.01,5,0,(50,50),(80,80))
    #使用默认的参数
    face = face_detect.detectMultiScale(gray)
    for x,y,w,h in face:
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
    cv.imshow('result',img)
#读取摄像头
#cap = cv.VideoCapture(0) #摄像头实时检测
cap = cv.VideoCapture('1.mp4') #读取视频

#循环
while True:
    flag,fram = cap.read()
    if not flag:
        break
    face_detect_demo(fram)
    if ord('q') == cv.waitKey(100):
        break
#释放摄像头
cap.release()
#释放内存
cv.destroyAllWindows()

效果
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

人脸录入

代码

#导入cv模块
import cv2 as cv

#读取摄像头
cap = cv.VideoCapture(0) #摄像头实时检测

flag = 1
num = 1

while(cap.isOpened()): #检测是否存在开启状态
    ret_flag,Vshow = cap.read() #得到没帧图像
    cv.imshow("Capture_Test",Vshow) #显示图像
    k = cv.waitKey(1) & 0xFF  #按键判断
    if k == ord('s'): #保存
        cv.imwrite("D:/faceTrain/"+str(num)+".face"+".jpg",Vshow) #保存的位置
        print("success to save"+str(num)+".jpg")
        print("-----------------")
        num += 1
    elif k == ord(' '): #退出
        break

#释放摄像头
cap.release()
#释放内存
cv.destroyAllWindows()

数据训练

代码

import os
import cv2 as cv
import sys
from PIL import Image
import numpy as np

def getImageAndLabels(path):
    #存储人脸数据
    facesSamples=[]
    #存储姓名数据
    ids=[]
    #存储图片信息
    imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
    #检测人脸   加载分类器，找到OpenCV库（cv2库）文件所在位置，复制其中一个关于脸部检测的分类器的路径即可
    face_detector = cv.CascadeClassifier('E:/python 3.9.13/Lib/site-packages/cv2/data/haarcascade_frontalface_alt.xml')
    #打印数组imagePaths
    print('数据排列：',imagePaths)
    #遍历列表中的图片
    for imagePath in imagePaths:
        #打开图片,黑白化
        PIL_img=Image.open(imagePath).convert('L')
        #将图像转换为数组，以黑白深浅
       # PIL_img = cv2.resize(PIL_img, dsize=(400, 400))
        img_numpy=np.array(PIL_img,'uint8')
        #获取图片人脸特征
        faces = face_detector.detectMultiScale(img_numpy)
        #获取每张图片的id和姓名
        id = int(os.path.split(imagePath)[1].split('.')[0])
        #预防无面容照片
        for x,y,w,h in faces:
            ids.append(id)
            facesSamples.append(img_numpy[y:y+h,x:x+w])
        #打印脸部特征和id
        #print('fs:', facesSamples)
        print('id:', id)
        #print('fs:', facesSamples[id])
    print('fs:', facesSamples)
    #print('脸部例子：',facesSamples[0])
    #print('身份信息：',ids[0])
    return facesSamples,ids

if __name__ == '__main__':
    #图片路径
    path='D:/data/'
    #获取图像数组和id标签数组和姓名
    faces,ids=getImageAndLabels(path)
    #获取训练对象
    recognizer=cv.face.LBPHFaceRecognizer_create()
    #recognizer.train(faces,names)#np.array(ids)
    recognizer.train(faces,np.array(ids))
    #保存文件 面部信息和身份信息
    recognizer.write('D:/trainer/trainer.yml')
    #save_to_file('names.txt',names)

训练的目标人脸
在这里插入图片描述

提取的特征
在这里插入图片描述
训练好的特征数据
在这里插入图片描述

人脸识别

代码

import cv2
import numpy as np
import os
# coding=utf-8
import urllib
import urllib.request
import hashlib

#加载训练数据集文件
recogizer=cv2.face.LBPHFaceRecognizer_create()
#加载训练好的数据
recogizer.read('D:/trainer/trainer.yml')
#存储名字
names=[]
#警报 全局变量
warningtime = 0

#md5加密
def md5(str):
    import hashlib
    m = hashlib.md5()
    m.update(str.encode("utf8"))
    return m.hexdigest()
#短信反馈
statusStr = {
    '0': '短信发送成功',
    '-1': '参数不全',
    '-2': '服务器空间不支持,请确认支持curl或者fsocket,联系您的空间商解决或者更换空间',
    '30': '密码错误',
    '40': '账号不存在',
    '41': '余额不足',
    '42': '账户已过期',
    '43': 'IP地址限制',
    '50': '内容含有敏感词'
}

#报警模块
def warning():
    smsapi = "http://api.smsbao.com/"
    # 短信平台账号
    user = '13******10'
    # 短信平台密码
    password = md5('*******')
    # 要发送的短信内容
    content = '【报警】\n原因：检测到未知人员\n地点：xxx'
    # 要发送短信的手机号码
    phone = '*******'

    data = urllib.parse.urlencode({'u': user, 'p': password, 'm': phone, 'c': content})
    send_url = smsapi + 'sms?' + data
    response = urllib.request.urlopen(send_url)
    the_page = response.read().decode('utf-8')
    print(statusStr[the_page])

#准备识别的图片
def face_detect_demo(img):
    gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转换为灰度
    face_detector=cv2.CascadeClassifier('E:/python 3.9.13/Lib/site-packages/cv2/data/haarcascade_frontalface_alt.xml')
    face=face_detector.detectMultiScale(gray,1.1,5,cv2.CASCADE_SCALE_IMAGE,(100,100),(300,300))
    #face=face_detector.detectMultiScale(gray)
    for x,y,w,h in face:
        cv2.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2) #绘制矩形
        cv2.circle(img,center=(x+w//2,y+h//2),radius=w//2,color=(0,255,0),thickness=1) #绘制圆形
        # 人脸识别
        ids, confidence = recogizer.predict(gray[y:y + h, x:x + w])
        #print('标签id:',ids,'置信评分：', confidence)
        if confidence > 80: #可信度
            global warningtime
            warningtime += 1
            if warningtime > 100:  #警报达到一定次数
               warning() #发送警报
               warningtime = 0
            cv2.putText(img, 'unkonw', (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
        else:
            cv2.putText(img,str(names[ids-1]), (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
    cv2.imshow('result',img)
    #print('bug:',ids)

def name():
    path = 'D:/data/'
    #names = []
    imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
    for imagePath in imagePaths:
       name = str(os.path.split(imagePath)[1].split('.',2)[1])
       names.append(name)


cap=cv2.VideoCapture('1.mp4')
name()
while True:
    flag,frame=cap.read()
    if not flag:
        break
    face_detect_demo(frame)
    if ord(' ') == cv2.waitKey(10):
        break
cv2.destroyAllWindows()
cap.release()
#print(names)

识别为目标人脸
在这里插入图片描述

识别为不目标人脸
在这里插入图片描述

在这里插入图片描述

项目下载地址

点击下载

稚皓君
关注
  • 3
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
人脸识别-基于yolov5-arcface的人脸识别项目
01-16
本文将深入探讨一个基于YOLV5和ArcFace的人脸识别项目，该项目结合了现代计算机视觉技术与深度学习算法，以实现高效、精准的人脸检测与识别。首先，我们来了解一下这两个关键技术。 **YOLV5：** YOLO（You Only ...
C++图像处理与计算机视觉：实现智能图像识别与处理
禅与计算机程序设计艺术
01-26 1088
1. 背景介绍 随着计算机技术的飞速发展，图像处理与计算机视觉领域取得了显著的进步。在这个过程中，C++作为一种高效、灵活且功能强大的编程语言，成为了许多研究人员和工程师的首选。本文将深入探讨C++在图像处理与计算机视觉领域的应用，包括核心概念、算法原理、实际应用场景以及工具和资源推荐等内容。 1.1 图像处理与计算机视觉的区别与联系 图像处理和计算机视觉虽然有很多相似之处，但它们之间还是存...
用C++写一个人脸识别
weixin_42613018的博客
02-13 765
写人脸识别程序是一项复杂的任务，需要涉及图像处理、机器学习等方面的知识。以下是一些概述性的步骤： 图像预处理：对输入的图像进行预处理，如灰度化、归一化等。 人脸检测：使用Haar特征或HOG特征等方法在图像中检测人脸位置。 特征提取：提取人脸图像的特征，如LBP等。 训练分类器：使用训练数据，训练一个分类器，如SVM等。 识别：使用训练好的分类器，对新的图像进行识别。 以下是用C语言...
【飞桨AI实战】大作业：从0到1搭建一个图像识别系统
最新发布
u010522887的专栏
05-31 1375
在了解了图像分类和目标检测的基本概念后，很多同学发现现有的算法模型往往只能识别特定类别的目标，面对全新的目标类别，这些训好的模型往往就无能为力了。 本次分享将带领大家从 0 到 1 搭建一个面向现实场景的商品识别系统，旨在帮助初学者快速走通从理论到应用的过程，希望对感兴趣的同学提供一点帮助。
基于深度学习的人脸检测与静默活体检测——C++实现
知来者逆的博客
03-18 7822
C++实现工业级静默活体检测，判别机器前出现的人脸是真实还是伪造。用于判别虚假人脸。
人脸识别项目总结
Fredzj的博客
07-13 3150
本文是对人脸识别项目的一个总结，以此来进一步巩固所学算法知识。
人脸识别项目介绍
一个爱编程的人专栏
06-09 2776
项目介绍 人脸识别 从Python或命令行中识别和操作面部 世界上最简单的人脸识别库。 使用dlib的最新人脸识别功能构建 建立在深度学习之上。该模型的精度为99.38％。 Wild 基准中的标记面孔。 这也提供了一个简单的face_recognition命令行工具， 您可以通过命令行在图像文件夹上进行人脸识别！ 特征 在图片中查找面孔 查找出现在图片中的所有面孔： import face_recognition image = face_recognition.load_image_file(“your
java 人脸识别,一个开源项目.rar
04-18
Matlab实现无约束条件下普列姆(Prim)算法.docx可能是项目中提到的一个辅助文件，普列姆算法（Prim算法）是一种在图中寻找最小生成树的经典算法，虽然它与人脸识别直接关联不大，但有可能在这个项目中用于优化人脸...
人脸识别-基于Pytorch实现SphereFace人脸识别算法-附项目源码-优质项目实战.zip
05-28
本项目聚焦于一种先进的人脸识别方法——SphereFace算法，该算法利用深度学习框架Pytorch进行实现，具有高精度和鲁棒性的特点。下面我们将深入探讨SphereFace算法的核心原理，Pytorch的使用，以及如何通过源码进行...
人脸识别考勤系统，用 Python 实现人脸识别考勤系统
04-22
在本项目中，我们利用 Python 实现了一个高效且精准的人脸识别考勤系统。这个系统融合了前端与后端的先进技术，旨在提供一种自动化、无接触的员工考勤解决方案。以下将详细介绍系统的各个组成部分和涉及的技术。 ...
人脸识别项目
05-08
非常好的人脸非常好的人脸项目
OpenCV人脸识别项目（训练+测试）
呵呵哒!的博客
06-06 3736
OpenCV人脸识别项目（训练+测试）
CNN人脸识别项目（dlib+opencv）
古月哥欠666的博客
03-28 7362
CNN人脸识别获取数据集读取数据集数据预处理建立模型进行预训练对图片进行人脸进行检测并进行可视化总结 思路：一个CNN人脸识别项目首先必不可少的是数据集，获取的方式有网站数据库 PubFig：Public Figures Face Database、Large-scale CelebFaces Attribtes(CelebA) Dataset、BioID Face Database-FaceDB、YouTube Face等网站，或者是自己根据需求在网页抓取图像并进行图像的一些预处理操作 然后是建立一个
基于OpenCV人脸识别项目
weixin_64437665的博客
11-07 3039
一、首先进行人脸采集 import cv2 as cv #打开摄像头 cap = cv.VideoCapture(0) #采集的照片的数目 num = 1 #录入人员的姓名 face_id = input('采集编号:\n') #录入人员的标签，每个人的标签不能相同 face_name= input('采集姓名:\n') print('\n 正在打开摄像头。。。。。。。') while (cap.isOpened()): #捕获摄像头图像 ret_flag,vshow = cap.re
人脸识别完整项目实战（1）：目录大纲篇
数据饕餮
02-28 1万+
一、前言 本文是《人脸识别完整项目实战》系列博文第1章《目录大纲篇》，本章内容系统介绍，《人脸识别项目完整实战》系列博文的目录结构，共8大部分53个章节。 项目概述篇：系统介绍人脸识别项目的系统架构设计、项目关键技术说明、项目业务需求分析、项目业务流程设计； 环境部署篇：提供C++和Python两种编程语言的版本，系统介绍项目开发环境概述、DLib框架源码编译、项目工程文件创建、项目开发...
开发一个人脸识别项目基本流程
changjuanfang的专栏
04-23 863
总之，做一个人脸识别项目需要从需求分析、数据收集、算法选择、模型训练到系统集成等多个方面进行考虑和实现。2. 收集和标注数据集：数据集是训练模型的重要基础，需要收集大量的人脸图像数据，并进行标注。1. 确定项目需求和目标：首先需要明确项目的需求和目标，例如是用于门禁系统还是安防监控系统，需要识别多少人脸，需要多大的准确率等等。3. 选择合适的算法和模型：根据项目需求和目标，选择合适的算法和模型。常见的人脸识别算法包括PCA、LDA、SVM、CNN等，常见的模型包括TensorFlow、PyTorch等。
JAVA实现人脸识别
热门推荐
gjuse
08-02 2万+
 最近接到一个任务，要求是上传一男一女的照片根据他们的特征生成出他们baby的相片，我的想法是首先人脸定位，截出人脸的标准图片，然后再截出他们各个五官的图片进行缩放最后再拼叠在婴儿图片的脸上反馈给用户，当然这只是一个想法 中间会有很多问题 不一定行的通，这样做一定要首先实现人脸定位。直接用JAVA实现人类识别定位的例子在网上很难找到，多是依靠JNI 调用OpenCV本地方法实现
Java 人脸识别
weixin_43939924的博客
03-14 599
首先我们要有一个人脸识别的SDK(自己用Java手撕一个识别算法有点不切实际，毕竟实力不允许我这么做) 免费的人脸识别SDK： ArcSoft:，地址：https://ai.arcsoft.com.cn。 打开之后就是这个样子的 github地址：https://github.com/xinzhfiu/ArcSoftFaceDemo，本地搭建数据库，创建表:user_face_info。这个表主要用来存人像特征，其中主要的字段 face_feature 用二进制类型 blob 存放人脸特征。 S
人脸识别打卡项目实现步骤
08-21
在实际应用过程中，人脸识别打卡项目的实现步骤涉及到系统的设计与搭建、数据的收集和处理、算法的调试与优化、平台的集成与部署等环节。除此之外，还需考虑到项目的可靠性、准确性、实时性等指标，并通过不断的迭代...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

稚皓君

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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