OpenCv之人脸识别

参考博客：
http://www.imooc.com/article/30501
人脸检测是人脸识别的第一步，之前已经实现了人脸检测，下面就进行人脸识别！

准备：

1、导入库

编写训练程序首先需要做的是导入相关的库

1、导入OpenCv库
2、导入os库，用于文件处理
3、导入numpy库，用于计算
4、导入pillow库，用于图像处理（好像没有用到）

其实就是这样：

import cv2 
import os 
import numpy as np 
from PIL import Image

现在我们初始化人脸检测器和人脸识别器（初始化，尚不具备人脸识别功能）：

detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
recognizer = cv2.face.LBPHFaceRecognizer_create()
# 有可能是 recognizer = cv2.createLBPHFaceRecognizer() 

注意：
自己使用cv2.face.LBPHFaceRecognizer_create()的时候，出现了问题，找不到对应的库，此时需要安装一个库
代码如下：pip install opencv_contrib_python
但是但是还是有问题
经过百度，需要以管理员身份打开cmd
然后通过pip install --user opencv_contrib_python的方式才能安装成功

---

2、载入训练数据

现在我们来创建一个函数，用于从数据集文件夹中获取训练图片，然后从图片的文件名中获取到这个素材相应的id。需要remind的是，根据前文，图片的格式是id.samplenumber
比如有一张图片的id是6，id为6的图片有3个，那么这三张图片命名就是6.1.jpg，6.2.jpg，6.3.jpg。当然这个图片格式不一定是jpg，也可能是png。
定义一个函数：

---

（1） 导入所有图片及对应的id：

获取所有图片路径
如果图片都在path文件夹下
image_paths=[os.path.join(path, f) for f in os.listdir(path)]
新建两个list用于存放：

 face_samples = []
 ids = []

遍历图片路径，导入图片和id，添加到list：

    for image_path in image_paths:
        image = Image.open(image_path).convert('L')
        image_np = np.array(image, 'uint8')
        # if os.path.split(image_path)[-1].split(".")[-1] != 'pgm':
        #     continue
        image_id = int(os.path.split(image_path)[-1].split(".")[0])
        faces = detector.detectMultiScale(image_np)
        for (x, y, w, h) in faces:
            face_samples.append(image_np[y:y + h, x:x + w])
            ids.append(image_id)

以上代码，使用了Image.open(image_path).convert(‘L’)通过图片路径并将其转换为灰度图片。
接下来我们通过image_np = np.array(image, 'uint8')将图片转换成了Numpy数组，Numpy数组的逻辑结构和普通的数组无异，但是是经过优化的。
为了获取到id，我们将图片的路径分裂一下并获取相关信息，即image_id = int(os.path.split(image_path)[-1].split(".")[0])
接下来的一个循环for (x, y, w, h) in faces则是将图片和id都添加在list中。
再return一下即可。

3、训练

差不多完成了，现在我们调用一下这个函数，然后将我们的数据喂给识别器去训练吧。

faces, Ids = get_images_and_labels('dataSet')
recognizer.train(faces, np.array(Ids)) 
recognizer.save('trainner/trainner.yml')

这个yml文件，存着我们的训练好的数据，以后识别会用到的。

4、测试（进行人脸识别）

加载人脸检测器（分类器）

cascade_path = "haarcascade_frontalface_default.xml"
face_cascade = cv2.CascadeClassifier(cascade_path)

加载人脸识别器

recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('trainner/trainner.yml') 

获取摄像头的控制对象

cam = cv2.VideoCapture(0)
# 这里的参数可能是-1  0  1

加载一个字体，用于在识别后，在图片上标注出识别对象的名字：

font = cv2.FONT_HERSHEY_SIMPLEX

人脸识别主程序：

在程序的主循环中，我们需要做的是：

1. 从摄像头中获取图像
2. 将图像转换为灰度图片
3. 在图片中检测人脸
4. 用识别器识别该人的id
5. 将识别出人脸的id或名称用矩形在图片中标出来

程序如下：

import cv2
import os
import numpy as np
from PIL import Image


detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
recognizer = cv2.face.LBPHFaceRecognizer_create()

def get_images_and_labels(path):
    image_paths = [os.path.join(path, f) for f in os.listdir(path)]
    face_samples = []
    ids = []
    for image_path in image_paths:
        image = Image.open(image_path).convert('L')
        image_np = np.array(image, 'uint8')
        # if os.path.split(image_path)[-1].split(".")[-1] != 'pgm':
        #     continue
        image_id = int(os.path.split(image_path)[-1].split(".")[0])
        faces = detector.detectMultiScale(image_np)
        for (x, y, w, h) in faces:
            face_samples.append(image_np[y:y + h, x:x + w])
            ids.append(image_id)
    return face_samples, ids

filepath = r'C:\Users\Administrator\Desktop\machine_learning\new_project\orl_faces1/'
faces, Ids = get_images_and_labels(filepath)
recognizer.train(faces, np.array(Ids))
recognizer.save('trainner/trainner.yml')

cam = cv2.VideoCapture(0)   # 获取摄像头
font = cv2.FONT_HERSHEY_SIMPLEX  # 加载一个字体  用于识别后  在图片上标注名字

while True:
    ret, im = cam.read()
    gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
    faces = detector.detectMultiScale(gray, 1.2, 5)
    for (x, y, w, h) in faces:
        cv2.rectangle(im, (x, y), (x + w, y + h), (225, 0, 0), 2)
        img_id, conf = recognizer.predict(gray[y:y + h, x:x + w])
        cv2.putText(im, str(img_id), (x, y + h), font, 0.55, (0, 255, 0), 1)
    cv2.imshow('im', im)
    if cv2.waitKey(10) & 0xFF == ord('q'):
        break

cam.release()
cv2.destroyAllWindows()

如有疏漏，再完善！