python 人脸检测 大胡子_python 人脸检测

一.开发环境搭建

我们使用Python自带的IDLE进行编程，我使用的电脑是Windows系统，代码在win7 64位，win10 64位这两种电脑上验证过。Python版本为3.xx,需要使用的库有opencv，numpy，pillow。这三个库分别使用pip按照即可，指令分别为；

1)opencv；pip install opencv-python

2)numpy；pip install numpy

3)pillow；pip install pillow

所有的文件夹

face_pic  存档获取的照片

转为灰度图片

本文的路径采用自动获取绝对路径

在Python的安装目录，按照这个路径依次打开文件夹Lib→site-packages→cv2→data，复制文件“haarcascade_frontalface_default.xml”，“haarcascade_frontalcatface.xml”到face_identity文件夹，这两个是分类器，用于进行人脸检测。

注意

如果提示“module' object has no attribute 'face'”

解决方法：可以输入 pip install opencv-contrib-python解决，如果提示需要commission，可以在后面加上 --user,即 pip install opencv-contrib-python --user

废话不多说，上代码

'''

本程序用于产生800张灰度图片素材用于后续训练人脸识别系统

'''

#-----获取人脸样本-----

import cv2

import os

#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

cap = cv2.VideoCapture(0)

#调用人脸分类器，获取绝对路径

face_xml_location=os.path.join('.','haarcascade_frontalface_default.xml')

face_detector = cv2.CascadeClassifier(face_xml_location)

#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 = 0

while True:

#从摄像头读取图片

success,img = cap.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_detector.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)

cv2.imwrite("face_pic/User."+str(face_id)+'.'+str(count)+'.jpg',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

k = cv2.waitKey(1)

if k == '27':

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 >= 50:

break

#关闭摄像头，释放资源

cap.realease()

cv2.destroyAllWindows()

经过我的思考决定还是放上照片吧

接下来最重要的一步来了

开始模型

import cv2

import os

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

#获取分类器的路径

face_xml_location=os.path.join('.','haarcascade_frontalface_default.xml')

print('',face_xml_location)

#调用熟悉的人脸分类器

detector = cv2.CascadeClassifier(face_xml_location)

#初始化识别的方法

recognizer = cv2.face.LBPHFaceRecognizer_create()

#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 = []

#遍历图片路径，导入图片和id添加到list中

for image_path in image_paths:

#通过图片路径将其转换为灰度图片

image = Image.open(image_path).convert('L')

#将图片转化为数组

image_np = np.array(image, '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

image_id = int(os.path.split(image_path)[-1].split(".")[1])

faces = detector.detectMultiScale(image_np)

#将获取的图片和id添加到list中

for (x, y, w, h) in faces:

face_samples.append(image_np[y:y + h, x:x + w])

ids.append(image_id)

print('',image_id)

return face_samples, ids

#调用函数并将数据喂给识别器训练

print('Training...')

tain_data_location=os.path.join('.','train_data','train.yml')

face_data_location=os.path.join('.','face_pic')

faces, Ids = get_images_and_labels(face_data_location)

#训练模型

recognizer.train(faces, np.array(Ids))

recognizer.save(tain_data_location)

根据分类器解析  获取的模型信息倍存放在

最后是我们的人脸检测代码

import cv2

import numpy as np

import os

#准备好识别方法

recognizer = cv2.face.LBPHFaceRecognizer_create()

#使用之前训练好的模型

train_data_location=os.path.join('.','train_data','train.yml')

recognizer.read(train_data_location)

#再次调用人脸分类器

face_xml_location=os.path.join('.','haarcascade_frontalface_default.xml')

face_cascade = cv2.CascadeClassifier(face_xml_location)

#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

#打开摄像头

camera = cv2.VideoCapture(0)

font = cv2.FONT_HERSHEY_SIMPLEX

while True:

ret, im = camera.read()

gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)

#识别人脸

faces = face_cascade.detectMultiScale(gray, 1.2, 5)

#校验

for (x, y, w, h) in faces:

cv2.rectangle(im, (x - 50, y - 50), (x + w + 50, y + h + 50), (225, 0, 0), 2)

img_id, confidence = recognizer.predict(gray[y:y + h, x:x + w])

#计算出结果

if confidence > 50:

print('',img_id)

if img_id == 1:

img_id = 'wei'

confidence = "{0}%",format(round(100-confidence))

elif img_id == 2:

img_id = '2'

confidence = "{0}%",format(round(100-confidence))

else:

img_id = "Unknown"

#输出结果和用户名

cv2.putText(im, str(img_id), (x, y + h), font, 1, (0, 255, 0), 1)

cv2.putText(im,str(confidence),(x+50,y+h-50),font,2,(255,0,0),1)

#图片显示

cv2.imshow('im', im)

if cv2.waitKey(10) & 0xFF == ord('q'):

break

#释放资源

camera.release()

cv2.destroyAllWindows()

识别不到我们的训练模型太少了

加到300个照片  开始训练

牛逼

位文杰TOP

发布了112 篇原创文章 · 获赞 116 · 访问量 60万+

他的留言板

关注

标签：python,检测,image,cv2,face,人脸,location,path,id