TensorFlow2+OpenCV实现人像采集与识别

前言

本设计用python语言实现，这里罗列一下整个项目所需要的包（仅供参考）

h5py==2.9.0 
Keras==2.3.1 
scipy==1.5.2 
numpy==1.19.5
scikit-learn==0.24.1 
tensorflow==2.1.0 
opencv-python==4.5.1.48

人脸识别四个步骤,分别为人脸图像检测和采集，图像预处理，网络搭建和模型训练，人脸图像匹配与识别。
1、检测一张图片中的所有人脸，初次使用需要采集人脸图像保存到本地供模型训练时使用。
2、对于采集的每一张人脸图像，其大小一般都不相同，需要对其处理成相同大小，并对每一张图片进行标注。
3、本项目使用卷积神经网络训练模型，所以首先搭建好网络框架，并使用预先处理好的数据训练模型。
4、输入一张人脸图像，使用训练好的模型识别图像中的人是谁。

1、图像检测和采集

OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉和机器学习软件库，用C++语言编写，它提供了很多图像处理和计算机视觉方面的通用算法，本项目中人脸图像的检测和采集都是通过OpenCV实现的，但是这里你并不需要特意去学习OpenCV(其实我会的也不多☺)，只需要调用其中的API函数就可以了。

首先是采集人脸图像构成数据集，建立pic_capture.py文件：

import cv2  

def face_pic_capture(window_name, camera_id, catch_pic_num, path_name):
    CreateFolder(path_name)  #[1]
    cv2.namedWindow(window_name)

    image_set = cv2.VideoCapture(camera_id)  #[2]
    classifier = cv2.CascadeClassifier(r"D:\anaconda3\envs\tensorflow\Lib\site-packages\cv2\data\haarcascade_frontalface_alt2.xml")  #[3]
   
    num = 1  #用于对每张图片命名
    while image_set.isOpened():  #[4]
        flag, frame = image_set.read()  #[5]
        if not flag:
            break

        image_grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        faceRect = classifier.detectMultiScale(image_grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))  #[6]

        if len(faceRect) > 0:  # 大于0则检测到人脸
            for facet in faceRect:  #[7]
                x, y, w, h = facet

                if w > 100:
                    img_name = '{}/{}.jpg'.format(path_name, num)  
                    image = frame[y - 10: y + h + 10, x - 5: x + w + 5]
                    cv2.imwrite(img_name, image)  #检测到有人脸的图像帧保存到本地

                    cv2.rectangle(frame, (x - 5, y - 10), (x + w + 5, y + h + 10), (0, 0, 255), 3)  #[8]
                    font = cv2.FONT_HERSHEY_SIMPLEX
                    # 显示当前保存了多少张图片，
                    cv2.putText(frame, "num:{}".format(num), (x + 30, y - 15), font, 1, (0, 250, 250), 4) #[9]

                    num += 1
                    if num > catch_pic_num:
                        break

        if num > catch_pic_num:
            break

        # 显示图像,按"Q"键中断采集过程
        cv2.imshow(window_name, frame)
        if cv2.waitKey(200) & 0xFF == ord('q'):
            break

    # 释放摄像头并关闭销毁所有窗口
    image_set.release()
    cv2.destroyAllWindows()

首先导入opencv模块，cv2中的”2”并不表示OpenCV的版本号。我们知道，OpenCV是基于C/C++的，”cv”和”cv2”表示的是底层CAPI