python人脸检测代码_python不足100行代码完成人脸识别

1. 准备环境

python 3.5

opencv

2. 配置环境

pip install opencv-python

pip install numpy

pip install opencv-contrib-python

3. 准备训练数据

佟丽娅照片20张，存放于文件夹0下面

董璇照片20张，存放于文件夹1下面

4. 准备测试数据

佟丽娅照片1张，命名为0.jpg，存于test目录

董璇照片1张，命名为1.jpg，存于test目录

5. 代码

import cv2

import os

import numpy as np

# 标记与人名的映射

Label2Name = ["tongliya", "dongxuan"]

def DetectFace(img):

#将测试图像转换为灰度图像，因为opencv人脸检测器需要灰度图像

img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#加载OpenCV人脸检测分类器Haar，位于python安装目录，例如：D:\Python3.5.0\Lib\site-packages\cv2\data

Hear_cascade = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')

#检测多尺度图像，返回值是一张脸部区域信息的列表（x,y,宽,高）

faces = Hear_cascade.detectMultiScale(img_gray, scaleFactor=1.2, minNeighbors=5)

# 如果未检测到面部，则返回原始图像

if (len(faces) == 0):

return None, None

#目前假设只有一张脸，xy为左上角坐标，wh为矩形的宽高

(x, y, w, h) = faces[0]

#返回图像的正面部分

return img_gray[y:y + w, x:x + h], faces[0]

# 该函数将读取所有的训练图像，从每个图像检测人脸并将返回两个相同大小的列表，分别为脸部信息和标签

def Train(TrainDataDir):

# 获取数据文件夹中的目录

dirs = os.listdir(TrainDataDir)

# 定义两个列表，faces用来存放脸部数据，labels用来存放标记: 0 - 佟俪娅， 1 - 董璇

faces = []

labels = []

# 浏览每个目录并访问其中的图像

for dir_name in dirs:

# 获取图片绝对路径

imgs_path = TrainDataDir + "/" + dir_name

# 获取所有的图片绝对路径

img_names = os.listdir(imgs_path)

# 读取每张图片并检测脸部，将脸部信息存放至faces

for img_name in img_names:

# 单张图片绝对路径

img_path = imgs_path + "/" + img_name

# 读取图像

img = cv2.imread(img_path)

# 显示图像0.2s

cv2.imshow("image", img)

cv2.waitKey(200)

# 检测脸部

face, rect = DetectFace(img)

# 若无法获取脸部，忽略

if face is not None:

#将脸添加到脸部列表

faces.append(face)

#添加相应的标记

labels.append(int(dir_name))

cv2.waitKey(1)

cv2.destroyAllWindows()

#返回值人脸信息和相对应的标记

return faces, labels

# 在图片的脸部绘制矩形

def DrawRectangle(img, rect):

(x, y, w, h) = rect

cv2.rectangle(img, (x, y), (x + w, y + h), (128, 128, 0), 2)

# 在给定的图片矩形上方绘制人名

def DrawText(img, text, x, y):

cv2.putText(img, text, (x, y), cv2.FONT_HERSHEY_COMPLEX, 1, (128, 128, 0), 2)

# 识别图像

def Recognize(test_img):

# 拷贝图片，在新拷贝的图片上绘制矩形和文字

img_copy = test_img.copy()

# 检测人脸

face, rect = DetectFace(img_copy)

# 预测人脸

label = face_recognizer.predict(face)

# 获取由人脸识别器返回的相应标记的名称

label_text = Label2Name[label[0]]

# 在检测到的脸部周围画一个矩形

DrawRectangle(img_copy, rect)

# 标出预测的名字

DrawText(img_copy, label_text, rect[0], rect[1] - 5)

#返回预测的图像

return img_copy

# 训练

faces, labels = Train("F:\\Codes\\Python\\train_data")

#创建LBPH识别器并开始训练

face_recognizer = cv2.face.LBPHFaceRecognizer_create()

face_recognizer.train(faces, np.array(labels))

# 读取待识别图像

test_img1 = cv2.imread("F:\\Codes\\Python\\test\\0.jpg")

test_img2 = cv2.imread("F:\\Codes\\Python\\test\\1.jpg")

# 识别

recognize_img1 = Recognize(test_img1)

recognize_img2 = Recognize(test_img2)

#显示两个图像

cv2.imshow(Label2Name[0], recognize_img1)

cv2.imshow(Label2Name[1], recognize_img2)

cv2.waitKey(0)

cv2.destroyAllWindows()

6. 识别结果

feengg

发布了75 篇原创文章 · 获赞 89 · 访问量 15万+

私信

关注

标签：人脸识别,img,python,图像,cv2,face,faces,test,100

来源： https://blog.csdn.net/feengg/article/details/104154445