树莓派基于opencv的人脸识别和口罩检测

最新推荐文章于 2023-08-21 14:42:40 发布

戴军加油加油！！

最新推荐文章于 2023-08-21 14:42:40 发布

阅读量2.7k

点赞数 3

分类专栏：笔记文章标签：人脸识别 python opencv 人工智能计算机视觉

本文链接：https://blog.csdn.net/weixin_46184975/article/details/109397904

版权

本文介绍了在树莓派上使用opencv和face_recognition库进行人脸识别和口罩检测的步骤，包括人脸收集、模型训练和口罩识别。通过调整代码，可以实现实时监控并判断是否佩戴口罩。

摘要由CSDN通过智能技术生成

树莓派基于opencv的人脸识别和口罩检测

学习目标：

目标：人脸识别和口罩的检测
实现的功能：
1：检测到人脸，画框，并识别已训练的人的模型，并打印出名字
2：识别是否带了口罩

学习内容：

内容：基于python的opencv和face_recognition来实现
1、掌握opencv，face_recognition的安装
2、掌握训练模型
3、掌握调用模型
4、掌握树莓派安装opencv和contrib以及face_recognition

文章目录

学习目标：
学习内容：
前言
一、opencv是什么？
二、步骤
总结

前言

打电赛输了，在比赛的几天后一个人做出来，也了解到了硬件的重要性

一、opencv是什么？

OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。 [1] 它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
OpenCV用C++语言编写，它具有C ++，Python，Java和MATLAB接口，并支持Windows，Linux，Android和Mac OS，OpenCV主要倾向于实时视觉应用，并在可用时利用MMX和SSE指令，如今也提供对于C#、Ch、Ruby，GO的支持。

二、步骤

1.树莓派安装模块

值得一提，我就是安装不上才失败的，因为有的模块需要很大的内存，而树莓派分不出来，所以经常就是安装到99%的时候卡住，然后就是程序已杀死，我心态崩了都！！！！

安装教程链接：

1：安装opencv：

https://zhuanlan.zhihu.com/p/92184435

2：安装dlib：

https://blog.csdn.net/weixin_44086593/article/details/87467537

3：安装face_recognition:

https://blog.csdn.net/weixin_43106043/article/details/104962026

4：xml模型的下载：
链接：https://pan.baidu.com/s/1ULupRUJGRtRRPfLw-Iooyw
提取码：6zf8

祝大家成功哈哈哈哈哈

2.设计思路

有点长，希望大家不要嫌啰嗦
1；首先，在多种优秀的人脸识别的方法中，我们还是毅然决然的选择了最为有效，最为方便的python+opencv，因为其有相对应的函数库供我们使用，效果明显，代码简洁。

2；收集：一开始，因为只需要测试三个队员和其他未知者，所以先通过face_collect.py开始通过电脑内置摄像头对三个队员进行人脸采集，并输入自己的id号和顺序，便于后期的数组遍历寻找匹配对象，加载人脸分类识别器，导入人脸识别的模型找出人脸进行截取，经过测试，由***于彩色的照片会占据大量内存并且受外界干扰明显，所以使用OpenCV调用摄像头获取图像并进行基础的处理（灰度等）转为灰度图片，减少程序符合，提高识别度，特定功能库Dlib进行特征获取，然后以jpg格式保存，并每个人都存储101张在totalfaces的文件中。***

3；训练：对得到的303张jpg图片，通过python中的os文件处理，PIL以及numpy数据库的结合，再次导入人脸识别模型和输入输出格式的绝对路径的设置，通过遍历照片文件进行对其整体的一个封装，并且保存为以yml为后缀的训练型文件。我们在前一部分的同目录下创建一个Python文件，文件名为trainner.py，用于编写数据集生成脚本。同目录下，创建一个文件夹，名为trainner，用于存放我们训练后的识别器。

4；测试：由于项目需要实现口罩的检测功能，但是经过查找opencv的API文档，并没有找到针对口罩的识别模型，所以，通过思考和小组讨论，因为口罩主要是掩盖了口鼻，所以以是否检测到下半部分的嘴巴替代，如果检测到嘴巴，并框选出来，则说明并没有佩戴口罩，若没有检测到嘴，则说明有按照防控标准佩戴口罩。LBP是一种特征提取方式，能提取出图像的局部的纹理特征，最开始的LBP算子是在3X3窗口中，取中心像素的像素值为阀值，与其周围八个像素点的像素值比较，若像素点的像素值大于阀值，则此像素点被标记为1，否则标记为0。这样就能得到一个八位二进制的码，转换为十进制即LBP码，于是得到了这个窗口的LBP值，用这个值来反映这个窗口内的纹理信息。LBPH是在原始LBP上的一个改进，在opencv支持下我们可以直接调用函数直接创建一个LBPH人脸识别的模型。就此开始通过face.LBPHFaceRecognizer_create读取前一步的训练模型，定义数组，填入队员姓名，同样的，通过内置摄像头扫出人脸，并转换为灰度，并记录下人脸是识别范围，作为下一步检测嘴的区域范围，进一步缩小工作量，以达到更为准确的识别读取。为了实现检测是否有嘴巴，我们通过len（）方法对画出的矩形框进行与0的比较，大于0则打印没带口罩，小于0则打印有带口罩，并通过之前识别的数据，进行格式化输出并打印在对话框中，并在程序最后设置了窗口等待以及键盘控制退出等按钮的设置，以及在左上角设置了相关的fps参数，来显示面部识别的帧数，更加直观的呈现了数据，最后关闭摄像头，并释放窗口。

代码如下：
face_collect.py
这个是收集101张人脸
**

然后注意一下，下面的yml文件，和xml文件，必须都用绝对路径来写！！！！！！

import cv2
#计数
count = 0
#输入id
face_id = input('\n enter user id:')
#输入姓名
username = input('\n enter user name:')
print('\n 正在初始化脸部识别，请保持在摄像头前面 .......')
# 读取内置摄像头中的图像，获取图像grabbed为true
cap = cv2.VideoCapture(0)
# 加载人脸分类识别器
face_detector = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')#改成这个文件的绝对路径！！！

while True:
    grabbed, img = cap.