人脸识别项目从0开始
环境搭建
说实话，这个是真的太费精力了，我们采用python和opencv来实现，这个python的版本， opencv的版本下载，在pycharm编译器中真的找了一大堆看着头大。
这里只介绍我觉得比较方便并且操作起来容易好理解的。
首先，python的下载，我们需要下载一个python的版本，而这个版本最好是3.6，因为大部分教程中的版本都是3.6。在我尝试3.11，3.9各种报错之后，我乖乖的选择了3.6.7。
找到官网下载安装到一个你知道的路径即可，建议将下载连接放到迅雷等下载软件中下载可以秒下载。
其次，pycharm准备好即可，没有特别的要求。在建立新项目的时候在选择python解释器的时候，选择你之前准备好的python版本，在选择项目路径的时候提前建好文件夹。
最后，是安装包的通用流程。可以用pip，可以直接把包给复制到你的vene下的site-package中。但是最保险的是直接用pycharm去安装。在pycharm下面有一行里有一个Python Package点击之后，可以看到你安装的包，这个时候点齿轮设置按钮，这个是可以来加下载的源，我们可以添加国内的镜像网站，来保证下载的更快。在插件库URL中加上https://pypi.tuna.tsinghua.edu.cn/simple/ 。清华的源，也可以加别的。之后应用 确定。
然后关掉，进入设置，项目，Python解释器。点进去之后看到软件包，点击加号搜索open-python点击下载即可，这里要保证你的版本是和python版本匹配。3.6.7是和opencv4.5.5.62。如果前面都正确，下载速度非常快，几秒。就把新的opencv的包加入到了环境里。
还需要安装opencv的源码来最终调用后面提到的训练好的分类器。opencv.org 官网下载，得到地址后使用迅雷。安装到自定的一个路径下。
基础版本实现及原理
基础版本对指定的照片进行识别。
opencv+python
判断的几个流程是：导入分类器文件，读入图片，转为灰阶图，调用detectMultiScale，绘制矩形框标记人脸，输出图像。
级联分类器：CascadeClassifier就是opencv下objdetect模块中用来做目标检测的级联分类器的一个类，它可以帮助我们检测例如车牌、眼睛、人脸等物体。
而实现的这个模型就在最后安装的opencv源码中，sources/data/haarcascades.里面 haarcascade_frontalface_alt2.xml 和 haarcascade_frontalface_default.xml 都可以使用。
import cv2 as cv
# 读入图像
img = cv.imread('3.jpg')
# 把图像转化成灰度
gary = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 导入分类器文件
face_detect = cv.CascadeClassifier('D:/soft/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')
# 调用detectMultiScale函数检测
face = face_detect.detectMultiScale(gary)
num = 0
# 绘制矩形框标记人脸
for x, y, w, h in face:
cv.rectangle(img, (x, y), (x+w, y+h), color=(0, 0, 255), thickness=1)
num = num+1
# 输出图像
cv.imshow('result', img)
print("照片里有", num, "个人")
cv.waitKey(0)
对视频进行识别
VideoCapture
我理解是从视频中抓取图片，cv.VideoCapture(0)是从本地的摄像头抓取，括号内部’1.mp4’,就是从视频中抓取。
cap.read()：是从抓取到的图片中得到数据，如果有图像返会第一个值为true，否则为false。第二个是图片格式。
我们不断检测是否从图像中抓取到了图像，如果有图像就检测是否有人脸，循环，并且每次抓取等待时间为1/24s，就是24帧，可以达到动起来的效果。直到按下q退出。
cap = cv.VideoCapture(0)
# cap = cv.VideoCapture('1.mp4')
while True :
flag,frame = cap.read()
if not flag :
break
face_detect_demo(frame)
if ord('q') == cv.waitKey(1000//24):
break
cv.destroyAllWindows()
cap.release()
在视频中对照片进行保存
还是使用VideoCapture采集视频中的图像
read()得到信息，展示出图像，并且当按下s时候保存图片
保存图片：使用的是cv.imwrite(“路径”+str(num)+“.name”+“.jpg”,frame)
waitKey:括号内，1表示间隔时间是1ms，如果是0则是一直暂停。
训练数据
总体流程是：先获取路径下所有照片的脸部信息和id。然后加载识别器。把刚刚的信息用识别器训练，然后把识别器储存在指定路径下。
# 获得路径下的信息
faces, ids = getImageAndLabels(path)
# 加载识别器
recognizer = cv2.face.LBPHFaceRecognizer_create()
# 训练
recognizer.train(faces, np.array(ids))
# 保存文件
recognizer.write('trainer/trainer.yml')
如何获得图片的信息和标签。
1.取出路径下所有照片的路径。
# 存储图片信息,也就是图片的路径，os.listdir(path)是把path路径下的所有文件都遍历一遍，存储到f中，然后用os.path.join拼接起来。
# 存给imagePaths,也就存下了图片的路径。
imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
2.遍历所有该路径下的图片，加载为灰度图片，再将灰度图片变成矩阵，使用这个矩阵来调取面部的分类器 得到面部数据，再用每张图片前的信息来储存id，使用os.path.split来存下序号
note：os.path.split(path) 会把这个路径分为两个部分一个是前面的位置，一个是文件本身的名字。
例如：./data/jm/1.beauty.jpg 。那么os.path.split(path)[0] = /data/jm 。而os.path.split(path)[1] = 1.beauty.jpg 。
note：再使用split函数本身，xxx.split(‘以什么为分割’)[分割后排序第几]。
例子：path：1.beauty.jpg 。path.split(‘.’)[0] = 1 。表示的就是以‘.'为分割，有三个部分第0个是1.
PLUS：多一个步骤，把所有脸部信息存到faces之后，为了防止没有脸的情况，还需要遍历一遍faces，把所有的脸部信息的正方形所在区域的矩形传给另外一个储存的facesSamples，这个里面存储的就是面部的信息
def getImageAndLabels(path):
#储存人脸数据
facesSamples=[]
#存储姓名数据
ids=[]
# 存储图片信息,也就是图片的路径，os.listdir(path)是把path路径下的所有文件都遍历一遍，存储到f中，然后用os.path.join拼接起来。
# 存给imagePaths,也就存下了图片的路径。
imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
# 加载分类器
face_detector = cv2.CascadeClassifier('D:/soft/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')
# 遍历列表中的图片
for imagePath in imagePaths:
# 可能路径下有多张图片
# 打开图片（PIL有9种不同的模式）L是灰度图片，以灰度图片加载。
PIL_img = Image.open(imagePath).convert('L')
# 将图片转化成数组，以黑白深浅
img_numpy = np.array(PIL_img, 'uint8')
# 用数组以及分类器，获取图片人脸的特征
faces = face_detector.detectMultiScale(img_numpy)
# 获取每张图片的id和名字,分解imagePath中的，总之就是取到这个图片的1.之前的1
id = int(os.path.split(imagePath)[1].split('.')[0])
# 预防没有面容的图片
# 将有脸的图片id都存下来了。
for x,y,w,h in faces:
ids.append(id) # 如果一张图片中有多张脸，都是同一个id放入ids中
facesSamples.append(img_numpy[y:y+h, x:x+w])
# 打印脸部特征和id
print('id:', id)
print('fs:', facesSamples)
return facesSamples, ids
从已有训练库中检测视频中的人是否认识。
首先，把图片转为灰度，并且用面部分类器，把面部数据传到face。检查face的数据，画出框和圆。
用recogizer.predict（灰度图的面部），返回的是标签编号（按照图片命名格式的第一位）和置信度。
如果置信度大于80，就说明不太一致。warningtime++，直到warning的值大于1000，会打印warning，并且在标签上输出unknow。
如果小于80，说明相似度还是很高的，按照id来找到图片命名格式中的第1个元素（也就是名字），显示到图片上。
def face_detect_demo(img):
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转换为灰度
face_detector=cv2.CascadeClassifier('D:/soft/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.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)
cv2.circle(img,center=(x+w//2,y+h//2),radius=w//2,color=(0,255,0),thickness=1)
# 人脸识别
ids, confidence = recogizer.predict(gray[y:y + h, x:x + w])
print('标签id:',ids)
# 由于我们得到的ids是在照片上标记的，如果命名格式中断了，就会在后面names中ids-1,找不到这个names，会报错，例如我给我的照片标记为3.但是目前没有2.
# 得到的ids就是3，那么找这个names的时候ids-1=2，没有2，就会报错。如果正常情况，那么ids是3 ，names从0开始计数所以是3-1=2。
print('标签id:',ids,'置信评分：', confidence)
if confidence > 80:
global warningtime
warningtime += 1
if warningtime > 100:
# warning()
print("warning")
warningtime = 0
cv2.putText(img, 'unknow', (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)
name()模块负责给names数组赋值，按照顺序存放文件下的名字。
def name():
path = './data/jm/'
#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('.')[1])
names.append(name)
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
