首先,你必须安装Anaconda Individual Edition。链接如下:Anaconda | Individual Edition
注意:如果你有管理员权限,请安装给ALL Users!!!亲测有效,否则报错!
在安装完毕后,打开Anaconda。
有的网友和我说他们不想安装anaconda, 那么小Q在此给出一个解决方法:
1. 去python.org上下载Python
2. 在Python里运行代码块即可
不知可不可以,请各位不想装Anaconda的大佬们尝试后留言~谢谢!
或者可以在以下链接里写上你的答案哦~
投票链接:Anaconda安装小调查
点击第一个按钮CMD.exe Prompt
输入:
pip install numpy -i https://mirrors.aliyun.com/pypi/simple
pip install matplotlib -i https://mirrors.aliyun.com/pypi/simple
pip install pandas -i https://mirrors.aliyun.com/pypi/simple
pip install opencv-python -i https://mirrors.aliyun.com/pypi/simple
pip install tensorflow -i https://mirrors.aliyun.com/pypi/simple
pip install keras -i https://mirrors.aliyun.com/pypi/simple
pip install opencv-contrib-python -i https://mirrors.aliyun.com/pypi/simple
如果报错,请在-i前写上--users !
然后,打开JupyterNotebook
在拷贝代码前,先在源文件里建立data文件夹和training文件夹。否则,会存储失败
#-----获取人脸样本-----
import cv2
#调用笔记本内置摄像头,参数为0,如果有其他的摄像头可以调整参数为1,2
camera = cv2.VideoCapture(0)
#调用人脸分类器,要根据实际路径调整3
face_classifier = cv2.CascadeClassifier(
cv2.data.haarcascades +
'haarcascade_frontalface_default.xml')
#为即将录入的脸标记一个id
face_id = input('\n User data input, Look at the camera and wait ...')
#sampleNum用来计数样本数目
count = int(input("Please enter start index: "))
tot = count + 100
#count是上一个文件的结束号码,如果没有就写0
while True:
#从摄像头读取图片
success,img = camera.read()
#转为灰度图片,减少程序符合,提高识别度
if success is True:
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
else:
break
#检测人脸,将每一帧摄像头记录的数据带入OpenCv中,让Classifier判断人脸
#其中gray为要检测的灰度图像,1.3为每次图像尺寸减小的比例,5为minNeighbors
faces = face_classifier.detectMultiScale(gray, 1.3, 5)
#框选人脸,for循环保证一个能检测的实时动态视频流
for (x, y, w, h) in faces:
#xy为左上角的坐标,w为宽,h为高,用rectangle为人脸标记画框
cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0))
#成功框选则样本数增加
count += 1
#保存图像,把灰度图片看成二维数组来检测人脸区域
#(这里是建立了data的文件夹,当然也可以设置为其他路径或者调用数据库)
img_name = "data/User."+str(face_id)+'.'+str(count)+'.jpg'
print(img_name)
cv2.imwrite(img_name,gray[y:y+h,x:x+w])
#显示图片
cv2.imshow('image',img)
#保持画面的连续。waitkey方法可以绑定按键保证画面的收放,通过q键退出摄像
if cv2.waitKey(1) == ord('q'):
break
#或者得到100个样本后退出摄像,这里可以根据实际情况修改数据量
#实际测试后100张的效果是比较理想的
elif count >= tot:
break
#关闭摄像头,释放资源
camera.release()
cv2.destroyAllWindows()
注:如果你想要增加准确率,请将100改为800, 更改后代码如下:
#-----获取人脸样本-----
import cv2
#调用笔记本内置摄像头,参数为0,如果有其他的摄像头可以调整参数为1,2
camera = cv2.VideoCapture(0)
#调用人脸分类器,要根据实际路径调整3
face_classifier = cv2.CascadeClassifier(
cv2.data.haarcascades +
'haarcascade_frontalface_default.xml') #待更改
#为即将录入的脸标记一个id
face_id = input('\n User data input, Look at the camera and wait ...')
#sampleNum用来计数样本数目
count = int(input("Please enter start index: "))
tot = count + 800
while True:
#从摄像头读取图片
success,img = camera.read()
#转为灰度图片,减少程序符合,提高识别度
if success is True:
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
else:
break
#检测人脸,将每一帧摄像头记录的数据带入OpenCv中,让Classifier判断人脸
#其中gray为要检测的灰度图像,1.3为每次图像尺寸减小的比例,5为minNeighbors
faces = face_classifier.detectMultiScale(gray, 1.3, 5)
#框选人脸,for循环保证一个能检测的实时动态视频流
for (x, y, w, h) in faces:
#xy为左上角的坐标,w为宽,h为高,用rectangle为人脸标记画框
cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0))
#成功框选则样本数增加
count += 1
#保存图像,把灰度图片看成二维数组来检测人脸区域
#(这里是建立了data的文件夹,当然也可以设置为其他路径或者调用数据库)
img_name = "data/User."+str(face_id)+'.'+str(count)+'.jpg'
print(img_name)
cv2.imwrite(img_name,gray[y:y+h,x:x+w])
#显示图片
cv2.imshow('image',img)
#保持画面的连续。waitkey方法可以绑定按键保证画面的收放,通过q键退出摄像
if cv2.waitKey(1) == ord('q'):
break
#或者得到800个样本后退出摄像,这里可以根据实际情况修改数据量,实际测试后800张的效果是比较理想的
elif count >= tot:
break
#关闭摄像头,释放资源
camera.release()
cv2.destroyAllWindows()
运行上述代码,在第一个输入框里会看见如下结果:
输入你的名字后敲一个enter。记住,不要写任何中文字符,否则后面的识别和训练的过程会报错!
接着输入0,如果你要两个人,需要分两次运行。一次输入0,第二次输入100。三个人就以此类推【希望没被我绕晕QAQ】
接着就看着摄像头,慢慢等待指示灯关闭。
这是一个5人的样例,各位大佬请过目QAQ
然后,在下一个Cell黏贴下列代码
#-----建立模型、创建数据集-----#-----建立模型、创建数据集-----
import os
import cv2
import numpy as np
from PIL import Image
#导入pillow库,用于处理图像
#设置之前收集好的数据文件路径
path = 'data'
#初始化识别的方法
recog = cv2.face_LBPHFaceRecognizer.create()
name_map = {'Unknown':0,'在这里输入第一个人的名字(英文)':1,'第二个人':2,'第三个人':3,'第四个人':4,"第五个人":5,"第六个人":6} #如果人数太多,可以删除一部分。如果太少也可以添加一部分
#调用熟悉的人脸分类器
detector = cv2.CascadeClassifier(
cv2.data.haarcascades +
'haarcascade_frontalface_default.xml')
#创建一个函数,用于从数据集文件夹中获取训练图片,并获取id
#注意图片的命名格式为User.id.sampleNum
def get_images_and_labels(path):
image_paths = [os.path.join(path,f) for f in os.listdir(path)]
#新建连个list用于存放
face_samples = []
ids = []
#i = 0
#遍历图片路径,导入图片和id添加到list中
for image_path in image_paths:
#print(i, image_path)
#i += 1
#通过图片路径将其转换为灰度图片
img = Image.open(image_path).convert('L')
#将图片转化为数组
img_np = np.array(img,'uint8')
if os.path.split(image_path)[-1].split(".")[-1] != 'jpg':
continue
#为了获取id,将图片和路径分裂并获取
#print(image_path)
#print(os.path.split(image_path))
#print(os.path.split(image_path)[-1].split("."))
#print(os.path.split(image_path)[-1].split(".")[1])
#id = int(os.path.split(image_path)[-1].split(".")[-2])
id = 3
name = os.path.split(image_path)[-1].split(".")[-3]
if name in name_map:
id = name_map[name]
#这部分的作用是删除读取失败的文件
#print(id)
faces = detector.detectMultiScale(img_np,1.3,5)
#将获取的图片和id添加到list中
for(x,y,w,h) in faces:
face_samples.append(img_np[y:y+h,x:x+w])
ids.append(id)
#print(len(face_samples))
return face_samples,ids
#调用函数并将数据喂给识别器训练
print('Training...')
faces,ids = get_images_and_labels(path)
#训练模型
recog.train(faces,np.array(ids))
#保存模型
recog.save('trainner/trainner.yml')
print("Success!You have finished training. Go on and Continue!")
好啦,当你运行完后,会看见一下情况:
接着,输入:
#-----检测、校验并输出结果-----
import cv2
#准备好识别方法
recognizer = cv2.face.LBPHFaceRecognizer_create()
#使用之前训练好的模型
recognizer.read('trainner/trainner.yml')
#再次调用人脸分类器
#cascade_path = "haarcascade_frontalface_default.xml"
#face_cascade = cv2.CascadeClassifier(cascade_path)
face_cascade = cv2.CascadeClassifier(
cv2.data.haarcascades +
'haarcascade_frontalface_default.xml')
#加载一个字体,用于识别后,在图片上标注出对象的名字
font = cv2.FONT_HERSHEY_SIMPLEX
idnum = 0
#设置好与ID号码对应的用户名,如下,如0对应的就是初始
names = ['Unknown', '第一个人','第二个人','第三个人', '第四个人',"第四个人","第五个人"]
#调用摄像头
cam = cv2.VideoCapture(0)
minW = 0.1*cam.get(3)
minH = 0.1*cam.get(4)
while True:
ret,img = cam.read()
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#识别人脸
#print(gray)
faces = face_cascade.detectMultiScale(
gray,
scaleFactor = 1.3,
minNeighbors = 5,
#minSize = (int(minW),int(minH))
)
#进行校验
for(x,y,w,h) in faces:
cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
idnum,confidence = recognizer.predict(gray[y:y+h,x:x+w])
#计算出一个检验结果
if confidence < 100:
idum = names[idnum]
confidence = "{0}%",format(round(100-confidence))
else:
idum = "unknown"
confidence = "{0}%",format(round(100-confidence))
#输出检验结果以及用户名
cv2.putText(img,str(idum),(x+5,y-5),font,1,(0,0,255),1)
cv2.putText(img,str(confidence),(x+5,y+h-5),font,1,(0,0,0),1)
#展示结果
cv2.imshow('camera',img)
k = cv2.waitKey(20)
if k == 27:
break
#释放资源
if cv2.waitKey(1) == ord('q'):
break
cam.release()
cv2.destroyAllWindows()
接着就可以在屏幕里看见你啦!
PS:如果没看见窗口要么就是在任务栏,要么就是你的电脑CPU不要太好。
CPU | i5第10代及以上(其他的CPU没有测试过) |
电脑 | Windows10及以上,最好不要Windows11 |
最后,祝你运行成功!
最新内容1:(更新时间2022/2/12 22:00)
前面好像忘记放上一张效果图了, 效果如下:
最后的最后, 我必须说: 虽然CSDN上很多的都是错误代码, 但是我确保这个教程是正确的 (至少在1年内吧)。
声明
后续还会有关于AI的其他文章会放在Python和AI这两个专栏里, 全部免费! :-)
玩Python的小Q
2022/2/12