python人脸识别训练模型_基于Python3.7和opencv的人脸识别（含数据收集，模型训练）...

前言

第一次写博客，有点紧张和兴奋。废话不多说，直接进入正题。如果你渴望使你的电脑能够进行人脸识别；如果你不想了解什么c++、底层算法；如果你也不想买什么树莓派，安装什么几个G的opencv；如果你和我一样是个还没入门的小白，但是想体验一下人脸识别的魅力。那么恭喜你，这篇文章就是为你准备的。让我们开始吧！

一、需要准备的材料

1.一台可以联网的有摄像头的电脑（手动滑稽）。

2.python3.7的安装包

二、Python3.7及其第三方包的安装

1.Python3.7的安装

关于python3.7的安装，网上有很多教程，请自行百度。

值得注意的是安装时勾选添加环境变量，如果不添加，也可以，但要自己输入相关文件的绝对路径。

2.第三方包的安装准备

2.0本文采用pip进行安装，若有过pip经验的可以跳过这个部分。

2.1在开始菜单栏搜索dos，然后回车启动命令提示符。

2.2在python3.7的Scripts文件夹中可以找到pip.exe。

2.3在命令提示符中输入Scripts文件夹的绝对路径

例：cd C:\\python3.7\Scripts

注：cd为Change directory,即更换目录，cd后有空格。

2.4更换目录成功后，输入pip.exe，启动pip，出现如下画面说明启动成功。

2.5 启动pip后，就可以开始安装Python的第三方包了，注意要让电脑联网。

3 第三方包的安装

3.1opencv 的安装，输入：pip install opencv-python。

注：numpy与OpenCV绑定安装，无需自己输入命令。

3.2 pillow的安装，输入： pip install pillow

注：pillow为图像处理包。

3.3 contrib的安装，输入：pip instal opencv-contrib-python

注：笔者在contrib的安装这里花费了一些时间，网上说的那些很麻烦的办法，让我看的云里雾里的。

contrib这个包用上面那个命令就可以安装，它是用于训练自己的人脸模型的一个OpenCV扩展包。

下图为三个包的安装过程截图，由于我之前已经安装过，会显示包已存在。首次安装会有进度条，成功后会有Successfully字样。

三、人脸识别的程序实现

1.FaceDetection,人脸检测

废话不多说，先上代码

1 importnumpy as np2 importcv23

4 #人脸识别分类器

5 faceCascade = cv2.CascadeClassifier(r'C:\python3.7\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml')6

7 #识别眼睛的分类器

8 eyeCascade = cv2.CascadeClassifier(r'C:\python3.7\Lib\site-packages\cv2\data\haarcascade_eye.xml')9

10 #开启摄像头

11 cap =cv2.VideoCapture(0)12 ok =True13

14 whileok:15 #读取摄像头中的图像，ok为是否读取成功的判断参数

16 ok, img =cap.read()17 #转换成灰度图像

18 gray =cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)19

20 #人脸检测

21 faces =faceCascade.detectMultiScale(22 gray,23 scaleFactor=1.2,24 minNeighbors=5,25 minSize=(32, 32)26 )27

28 #在检测人脸的基础上检测眼睛

29 for (x, y, w, h) infaces:30 fac_gray = gray[y: (y+h), x: (x+w)]31 result =[]32 eyes = eyeCascade.detectMultiScale(fac_gray, 1.3, 2)33

34 #眼睛坐标的换算，将相对位置换成绝对位置

35 for (ex, ey, ew, eh) ineyes:36 result.append((x+ex, y+ey, ew, eh))37

38 #画矩形

39 for (x, y, w, h) infaces:40 cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)41

42 for (ex, ey, ew, eh) inresult:43 cv2.rectangle(img, (ex, ey), (ex+ew, ey+eh), (0, 255, 0), 2)44

45 cv2.imshow('video', img)46

47 k = cv2.waitKey(1)48 if k == 27: #press 'ESC' to quit

49 break

50

51 cap.release()52 cv2.destroyAllWindows()

注：1.人脸识别分类器的路径在不同的电脑上不同，一般来讲，在python3.7\Lib\site-packages\cv2\data中，注意是绝对路径，如果嫌目录太长，可以将分类器和程序放在一起。

注：2.经过我的慎重考虑，我决定不放出我的人脸，请各位读者自行尝试，大概就是一个蓝色的矩形框住你的脸，两个绿色的矩形框住你的眼睛，按esc可退出。

2.FaceDataCollect,人脸数据收集

还是先上代码

1 importcv22 importos3 #调用笔记本内置摄像头，所以参数为0，如果有其他的摄像头可以调整参数为1，2

4

5 cap =cv2.VideoCapture(0)6

7 face_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')8

9 face_id = input('\n enter user id:')10

11 print('\n Initializing face capture. Look at the camera and wait ...')12

13 count =014

15 whileTrue:16

17 #从摄像头读取图片

18

19 sucess, img =cap.read()20

21 #转为灰度图片

22

23 gray =cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)24

25 #检测人脸

26

27 faces = face_detector.detectMultiScale(gray, 1.3, 5)28

29 for (x, y, w, h) infaces:30 cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0))31 count += 1

32

33 #保存图像

34 cv2.imwrite("Facedata/User." + str(face_id) + '.' + str(count) + '.jpg', gray[y: y + h, x: x +w])35

36 cv2.imshow('image', img)37

38 #保持画面的持续。

39

40 k = cv2.waitKey(1)41

42 if k == 27: #通过esc键退出摄像

43 break

44

45 elif count >= 1000: #得到1000个样本后退出摄像

46 break

47

48 #关闭摄像头

49 cap.release()50 cv2.destroyAllWindows()

注：1.在运行该程序前，请先创建一个Facedata文件夹并和你的程序放在一个文件夹下。

友情提示：请将程序和文件打包放在一个叫人脸识别的文件夹下。可以把分类器也放入其中。

注：2.程序运行过程中，会提示你输入id，请从0开始输入，即第一个人的脸的数据id为0，第二个人的脸的数据id为1，运行一次可收集一张人脸的数据。

注：3.程序运行时间可能会比较长，可能会有几分钟，如果嫌长，可以将 #得到1000个样本后退出摄像 这个注释前的1000，改为100。

如果实在等不及，可按esc退出，但可能会导致数据不够模型精度下降。

3.face_training,人脸数据训练

1 importnumpy as np2 from PIL importImage3 importos4 importcv25 #人脸数据路径

6 path = 'Facedata'

7

8 recognizer =cv2.face.LBPHFaceRecognizer_create()9 detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")10

11 defgetImagesAndLabels(path):12 imagePaths = [os.path.join(path, f) for f in os.listdir(path)] #join函数的作用？

13 faceSamples =[]14 ids =[]15 for imagePath inimagePaths:16 PIL_img = Image.open(imagePath).convert('L') #convert it to grayscale

17 img_numpy = np.array(PIL_img, 'uint8')18 id = int(os.path.split(imagePath)[-1].split(".")[1])19 faces =detector.detectMultiScale(img_numpy)20 for (x, y, w, h) infaces:21 faceSamples.append(img_numpy[y:y + h, x: x +w])22 ids.append(id)23 returnfaceSamples, ids24

25

26 print('Training faces. It will take a few seconds. Wait ...')27 faces, ids =getImagesAndLabels(path)28 recognizer.train(faces, np.array(ids))29

30 recognizer.write(r'face_trainer\trainer.yml')31 print("{0} faces trained. Exiting Program".format(len(np.unique(ids))))

注：1.第8行的LBPHFaceRecognizer_create()为contrib中的函数，笔者之前自己摸索时，没有安装此包，因此卡了很久，印象深刻。

注：2.运行该程序前，请在人脸识别文件夹下创建face_trainer文件夹。

4.face_recognition 人脸检测

1 importcv22

3 recognizer =cv2.face.LBPHFaceRecognizer_create()4 recognizer.read('face_trainer/trainer.yml')5 cascadePath = "haarcascade_frontalface_default.xml"

6 faceCascade =cv2.CascadeClassifier(cascadePath)7 font =cv2.FONT_HERSHEY_SIMPLEX8

9 idnum =010

11 names = ['Allen', 'Bob']12

13 cam =cv2.VideoCapture(0)14 minW = 0.1*cam.get(3)15 minH = 0.1*cam.get(4)16

17 whileTrue:18 ret, img =cam.read()19 gray =cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)20

21 faces =faceCascade.detectMultiScale(22 gray,23 scaleFactor=1.2,24 minNeighbors=5,25 minSize=(int(minW), int(minH))26 )27

28 for (x, y, w, h) infaces:29 cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)30 idnum, confidence = recognizer.predict(gray[y:y+h, x:x+w])31

32 if confidence < 100:33 idnum =names[idnum]34 confidence = "{0}%".format(round(100 -confidence))35 else:36 idnum = "unknown"

37 confidence = "{0}%".format(round(100 -confidence))38

39 cv2.putText(img, str(idnum), (x+5, y-5), font, 1, (0, 0, 255), 1)40 cv2.putText(img, str(confidence), (x+5, y+h-5), font, 1, (0, 0, 0), 1)41

42 cv2.imshow('camera', img)43 k = cv2.waitKey(10)44 if k == 27:45 break

46

47 cam.release()48 cv2.destroyAllWindows()

注：1. 11行的names中存储人的名字，若该人id为0则他的名字在第一位，id位1则排在第二位，以此类推。

注：2. 最终效果为一个绿框，框住人脸，左上角为红色的人名，左下角为黑色的概率。

四、结语，参考文献，与扩展阅读

1.结语

真是不容易啊，第一次写博客，终于写完了。说一说初衷吧，当初我本想做一个电脑的人脸解锁。我的想法是，手机都有人脸解锁，电脑也可以做。

但我认为，我并不能真的实现，一是我不知道怎样锁住电脑，虽然我可以用python的easygui去模仿一个登陆界面，输入密码解锁，然而，我清楚，

我并不能真正的锁住电脑，所以我就放弃了这个计划。如果有大神可以做到，请务必在评论区留言，我迫切的希望知道该怎样做。

说一说我写这篇博客的目的吧，我当初一路走来，在网上搜到的大多是CSDN上的博客，且大多为人脸检测，并没有人脸识别，数据收集和模型训练。

仅有的几篇也都讲得云里雾里，实在水平有限，看不懂。于是，我萌生了写一篇给小白看的人脸识别的博客的想法，本来打算在csdn上写，

但由于种种原因，我选择了博客园。

2.参考文献与扩展阅读

在这里，我要感谢树莓派实验室的一篇文章，我的大部分代码都来源于此，对想要做深入了解的读者，可以参考此文，以下是链接

在此以一个问题结尾，为什么网上没有详细的关于如何在电脑上实现人脸识别的教程，而却有在树莓派上的详细教程呢？这不是上升了一个门槛吗？

也许是我没找到？这是我写这篇教程的初衷之一。