一天到晚闲的没事干，用Raspberry Pi + OpenCV + Streamlit 做了一个人脸识别

最新推荐文章于 2024-07-28 18:02:18 发布

前端仙人

最新推荐文章于 2024-07-28 18:02:18 发布

阅读量1.1k

点赞数 22

文章标签： opencv 人工智能计算机视觉 python

本文链接：https://blog.csdn.net/weixin_41556756/article/details/134989230

版权

介绍

如何创建面部识别应用程序的记录，具体来说，所做如下：

尝试使用Raspberry Pi 4 + CameraModule3 进行拍摄
尝试使用 OpenCV 对相机拍摄的图像进行面部识别处理
尝试使用 Streamlit 将以上内容转换为 Web 应用程序

开发环境

Raspberry Pi 4
Bullseye 64bit
Python 3.9.2
CameraModule3

使用 Raspberry Pi 和相机拍摄

在这个步骤中遇到了很多麻烦，过几天再出篇文章，单独进行总结

使用 OpenCV 对拍摄图像进行人脸识别处理

安装包

安装 picamera2 和 OpenCV。

pip install picamera2
pip install opencv-python

下载训练好的模型

yunet_n_640_640.onnx
face_recognizer_fast.onnx

保存面部图像

从图像中检测人脸，将其剪切出来并保存为人脸图像。

源代码

import os
import argparse
import cv2

def main():

    parser = argparse.ArgumentParser("generate aligned face images from an image")
    parser.add_argument("image", help="input image file path (./image.jpg)")
    args = parser.parse_args()

    path = args.image
    directory = os.path.dirname(args.image)
    if not directory:
        directory = os.path.dirname(__file__)
        path = os.path.join(directory, args.image)

    image = cv2.imread(path)
    if image is None:
        exit()

    channels = 1 if len(image.shape) == 2 else image.shape[2]
    if channels == 1:
        image = cv2.cvtColor(image, cv2.COLOR_GRAY2BGR)
    if channels == 4:
        image = cv2.cvtColor(image, cv2.COLOR_BGRA2BGR)

    weights = "onnx/yunet_n_640_640.onnx"
    face_detector = cv2.FaceDetectorYN_create(weights, "", (0, 0))
    weights = "onnx/face_recognizer_fast.onnx"
    face_recognizer = cv2.FaceRecognizerSF_create(weights, "")

    height, width, _ = image.shape
    face_detector.setInputSize((width, height))

    _, faces = face_detector.detect(image)

    aligned_faces = []
    if faces is not None:
        for face in faces:
            aligned_face = face_recognizer.alignCrop(image, face)
            aligned_faces.append(aligned_face)

    for i, aligned_face in enumerate(aligned_faces):
        cv2.imshow("aligned_face {:03}".format(i + 1), aligned_face)
        cv2.imwrite(os.path.join(directory, "face{:03}.jpg".format(i + 1)), aligned_face)

    cv2.waitKey(0)
    cv2.destroyAllWindows()

if __name__ == '__main__':
    main()

执行命令

python generate_aligned_faces.py input.jpg

输入图像（input.jpg）

在这里插入图片描述

执行结果

face001.jpg	face002.jpg

提取特征并保存为字典

从面部图像中提取特征并将其保存为特征字典。

源代码

import os
import sys
import argparse
import numpy as np
import cv2

def main():

    parser = argparse.ArgumentParser("generate face feature dictionary from an face image")
    parser.add_argument("image", help="input face image file path (./<face名>.jpg)")
    args = parser.parse_args()
    print(args.image)

    path = args.image
    directory = os.path.dirname(args.image)
    if not directory:
        directory = os.path.dirname(__file__)
        path = os