先上代码:
15号在网上找到的一段代码,自己稍微修改了一下小问题,昨天没时间上传,今天补上
该人脸识别为标签分类类别的算法,对于信息量比较大的库来说,效率比较低了,勉强能用,后续找找特征点识别的,到时候在上传了,有什么疑问可以提出来,大家一起讨论讨论
# -*- coding: utf-8 -*-
"""
Created on Sat Oct 27 11:43:47 2018
@author: Administrator
"""
'''
调用opencv的库实现人脸识别
'''
import cv2
import numpy as np
import os
import shutil
# 采集自己的人脸数据
def generator(data):
'''
打开摄像头,读取帧,检测该帧图像中的人脸,并进行剪切、缩放
生成图片满足以下格式:
1.灰度图,后缀为 .png
2.图像大小相同
params:
data:指定生成的人脸数据的保存路径
'''
# paths改为自己opencv包路径下文件路径,下面如同
paths = 'C:\\Users\\XDM\\AppData\\Local\\Programs\\Python\\Python38\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_default.xml'
name = input('my name:')
# 如果路径存在则删除路径
path = os.path.join(data, name)
if os.path.isdir(path):
shutil.rmtree(path)
# 创建文件夹
os.mkdir(path)
# 创建一个级联分类器
face_casecade = cv2.CascadeClassifier('../haarcascades/haarcascade_frontalface_default.xml')
face_casecade.load(paths)
# 打开摄像头
camera = cv2.VideoCapture(0, cv2.CAP_DSHOW)
cv2.namedWindow('Dynamic')
# 计数
count = 1
while (True):
# 读取一帧图像
ret, frame = camera.read()
if ret:
# 转换为灰度图
gray_img = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 人脸检测
face = face_casecade.detectMultiScale(gray_img, 1.3, 5)
for (x, y, w, h) in face:
# 在原图上绘制矩形
cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 2)
# 调整图像大小
new_frame = cv2.resize(frame[y:y + h, x:x + w], (92, 112))
# 保存人脸
cv2.imwrite('%s/%s.png' % (path, str(count)), new_frame)
count += 1
cv2.imshow('Dynamic', frame)
# 按下q键退出
if cv2.waitKey(100) & 0xff == ord('q'):
break
camera.release()
cv2.destroyAllWindows()
# 载入图像 读取ORL人脸数据库,准备训练数据
def LoadImages(data):
'''
加载图片数据用于训练
params:
data:训练数据所在的目录,要求图片尺寸一样
ret:
images:[m,height,width] m为样本数,height为高,width为宽
names:名字的集合
labels:标签
'''
images = []
names = []
labels = []
label = 0
# 遍历所有文件夹
for subdir in os.listdir(data):
subpath = os.path.join(data, subdir)
# print('path',subpath)
# 判断文件夹是否存在
if os.path.isdir(subpath):
# 在每一个文件夹中存放着一个人的许多照片
names.append(subdir)
# 遍历文件夹中的图片文件
for filename in os.listdir(subpath):
imgpath = os.path.join(subpath, filename)
# print("imgpath",imgpath)
img = cv2.imread(imgpath, cv2.IMREAD_COLOR)
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# cv2.imshow('1',img)
# cv2.waitKey(0)
images.append(gray_img)
labels.append(label)
label += 1
images = np.asarray(images)
# names=np.asarray(ns, namesames)
labels = np.asarray(labels)
return images, labels, names
# 检验训练结果
def FaceRec(data):
# 加载训练的数据
X, y, names = LoadImages(data)
model = cv2.face.EigenFaceRecognizer_create()
model.train(X, y)
print("model",type(model))
print("model",model)
# 打开摄像头
camera = cv2.VideoCapture(0, cv2.CAP_DSHOW)
cv2.namedWindow('Dynamic')
paths = 'C:\\Users\\XDM\\AppData\\Local\\Programs\\Python\\Python38\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_default.xml'
# 创建级联分类器
face_casecade = cv2.CascadeClassifier('../haarcascades/haarcascade_frontalface_default.xml')
face_casecade.load(paths)
while (True):
# 读取一帧图像
# ret:图像是否读取成功
# frame:该帧图像
ret, frame = camera.read()
# 判断图像是否读取成功
# print('ret',ret)
if ret:
# 转换为灰度图
gray_img = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 利用级联分类器鉴别人脸
faces = face_casecade.detectMultiScale(gray_img, 1.3, 5)
# 遍历每一帧图像,画出矩形
for (x, y, w, h) in faces:
frame = cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2) # 蓝色
roi_gray = gray_img[y:y + h, x:x + w]
try:
# 将图像转换为宽92 高112的图像
# resize(原图像,目标大小,(插值方法)interpolation=,)
roi_gray = cv2.resize(roi_gray, (92, 112), interpolation=cv2.INTER_LINEAR)
params = model.predict(roi_gray)
print('Label:%s,confidence:%.2f' % (params[0], params[1]))
'''
putText:给照片添加文字
putText(输入图像,'所需添加的文字',左上角的坐标,字体,字体大小,颜色,字体粗细)
'''
cv2.putText(frame, names[params[0]], (x, y - 20), cv2.FONT_HERSHEY_SIMPLEX, 1, 255, 2)
except:
continue
cv2.imshow('Dynamic', frame)
# 按下q键退出
if cv2.waitKey(100) & (0xff == ord('q') | 0xff == cv2.MORPH_CLOSE):
break
camera.release()
cv2.destroyAllWindows()
if __name__ == '__main__':
data = 'face'
# generator(data)
FaceRec(data)