OpenCV3计算机视觉Python语言实现人脸识别 笔记01

OpenCV3计算机视觉Python语言实现人脸识别【基于Eigenfaces， Fisherfaces】

前言

最近刚开始学《OpenCV3计算机视觉Python语言实现》中文版，学到了人脸识别这一块，但作为之前没有接触过这些东西的菜狗，看到真是一脸懵逼。在网上搜关于人脸识别的博客，但大部分标题是人脸识别但放出的却是人脸检测的代码[一脸懵逼]。
PS: 本博客代码是在下面链接的基础上做出稍微详细的补充。
（纯小白可以参考一下，大神可以直接绕道）
参考博客:
OpenCV3计算机视觉：Python实现 读书笔记-第五章—作者：Dave_L —>点击打开链接
1 数据准备-生成人脸识别数据

• 将获取人脸并存储为.pgm格式

import cv2


def generate():
	face_xml = cv2.CascadeClassifier('D:\Opencv_data\opencv\sources\data\haarcascades\haarcascade_frontalface_default.xml')
	# eye_xml = cv2.CascadeClassifier('D:\Opencv_data\opencv\sources\data\haarcascades\haarcascade_eye.xml')
	camera = cv2.VideoCapture(0)
	count = 0
	while True:
		ret, frame = camera.read()
		frame = cv2.flip(frame, 180)
		gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
		faces = face_xml.detectMultiScale(gray, 1.3, 5)
		# print(faces)
		for (x, y, w, h) in faces:
			img = cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 3)
			f = cv2.resize(gray[y:y + h, x:x + w], (200, 200))
			cv2.imwrite('E://1-OpenCv-GraduationProject//face//data//%s.pgm' % str(count), f)
			# cv2.imwrite('E://1-OpenCv-GraduationProject//face//img//%s.jpg' % str(count), f)
			print(count)
			count += 1

		cv2.imshow('camera', frame)
		if cv2.waitKey(1) & 0xff == ord("q"):
			break

	camera.release()
	cv2.destroyAllWindows()


if __name__ == "__main__":
	generate()

生成的文件如图：

2 数据准备-生成CSV文件并加标签

• 这个书上好像并没有仔细的介绍？

# 在csv文件中加入用户id条目
def generate_csv():
    count = 0
    fout = open('a.csv', 'w', encoding='utf-8')
	# 我是搜集了三组数据 前300张为一个人的数据，300-600 为一个人的， 600-900 为另一个的。
	# 给其的标签分别为 0 1 2
    for i in range(0, 301):
        fout.write('data/%s.pgm;' % str(i))
        fout.write('%s' % str(0))
        fout.write('\n')
    for i in range(301, 601):
        fout.write('data/%s.pgm;' % str(i))
        fout.write('%s' % str(1))
        fout.write('\n')
    for i in range(601, 901):
        fout.write('data/%s.pgm;' % str(i))
        fout.write('%s' % str(2))
        fout.write('\n')


if __name__ == "__main__":
    generate_csv()

最终生成的文件如图：

3 基于Eigenfaces的人脸识别

import cv2
import os
import sys
import numpy as np
import csv


# 逐行解析csv文件  fan==
def parse_csv():
    csv_file = open("E:\\1-OpenCv-GraduationProject\\face\\data\\a.csv")
    csv_lines = csv.reader(csv_file)
    print('1', csv_lines)
    path = []
    tot = 0
    for line in csv_lines:
        path.append(line)
        # print('2', path)   # [['data/0.pgm;0'], ['data/1.pgm;0']  ....... ]
        tot += 1
    return path


# 读取图片，并将特征图片的数组和标签分别添加到数组 [X,y] 的 X, y
def read_images(root):
    path = parse_csv()
    X , y = [] , [] # X: 图像数组  y: 标签数组
    i = 0
    tot = len(path)
    # print('--3', tot)
    while i < tot :
        pic_path = root + path[i][0][0:-2]    # 获取用户图片集完整路径
        # print(pic_path)
        try:
            # 把特征图以灰度图读取
            im = cv2.imread(pic_path, cv2.IMREAD_GRAYSCALE)
            if im is not None:
                im = cv2.resize(im, (200, 200))
            else:
                continue

            X.append(np.asarray(im, dtype=np.uint8))
            # print('X:', X)
            id = path[i][0].split(';')[1:]
           # print(id)
            y.append(id)    # ID
        except IOError as e:
            print("I/O error({0}):{1}".format(e.errno, e.strerror))
        except:
            print("Unexpected error:", sys.exc_info()[0])
            raise
        i += 1
    return [X,y]


def face_rec():
    filepath = 'E://1-OpenCv-GraduationProject//face//'
    names = ['AAA','Trump','XYJY']

    [X,y] = read_images(filepath)
    # print('7--[x, y]:', [X,y])
    y = np.asarray( y , dtype=np.int32 )

    # 基于Eigenfaces的人脸识别
    model = cv2.face.EigenFaceRecognizer_create()

    # 基于LBPH的人脸识别
    # model = cv2.face.LBPHFaceRecognizer_create()

    # train()中传入图像数组，标签数组(ID)
    model.train(np.asarray(X) ,np.asarray(y))

    face_cascade = cv2.CascadeClassifier('D:\Opencv_data\opencv\sources\data\haarcascades\haarcascade_frontalface_default.xml')
    camera = cv2.VideoCapture(0)
    while True:
        read , frame = camera.read()
        img = cv2.flip(frame, 180)
        faces = face_cascade.detectMultiScale( img , 1.3 , 5 )
        for (x ,y ,w ,h) in faces:
            img = cv2.rectangle( img , (x,y) , (x+w,y+h) , (255,0,0) , 2 )
            gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
            roi = gray[x:x+w,y:y+h]
            try:
                # 选出感兴趣的区域，使用内插法
                roi = cv2.resize(roi,(200,200) , interpolation=cv2.INTER_LINEAR)

                # 预测实时图片(roi区域)
                params = model.predict(roi)
                # 返回含有两个元素的数组：1.所识别个体的标签  2.置信度评分
                print("Label: %s , Confidence: %.2f" % (params[0],params[1]))
                # 打印匹配的名字
                cv2.putText(img, names[params[0]], (x, y-20), cv2.FONT_HERSHEY_COMPLEX_SMALL, 1, 255 , 2)
            except:
                continue
        cv2.imshow("camera",img)
        if cv2.waitKey( 1000 // 12 ) & 0xff == ord("q"):
            break
    camera.release()
    cv2.destroyAllWindows()

if __name__ == "__main__":
    face_rec()

最终结果如图：