Python+OpenCV人脸识别（基于LBPH+防照片识别+警报）

目录

废话

1.环境配置（jupyter notebook python 3.6.5）

2.训练集准备

3.代码思路（艹图）

 4.人脸识别源码

5.参考文章

6.可能遇到的问题

---

废话

嗯，开局说点废话，之前用stm32和esp8266改装了下宿舍门，但终究觉得没人脸识别来得舒服，所以就有了这篇文章

1.环境配置（jupyter notebook python 3.6.5）

我这里用的是python3.6，如果你想搭建一个3.6的环境又不想影响原有的，可以用小黑窗（Anaconda Prompt）搭建一个虚拟环境（虚拟环境是一个独立的空间不会影响外界，也不会受外界影响，适合应对不同版本python的需求）

如何搭建虚拟环境可以看看这篇文，简单粗暴

当你搭建好虚拟环境后，第三方库的安装也要安在虚拟环境里，那么如何切换到虚拟环境里呢

打开小黑窗

activate 虚拟环境名字
就可以激活了效果如下：

看到小括号就说明已经切换到虚拟环境里了

然后就可以安装所需的第三方库了，eg.Opencv,scipy,request,dlib,安装方法如下：

1）OpenCV

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-python==3.4.2.16

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python==3.4.2.16

2）scipy

pip install scipy

3) request

pip install request

4) dlib

dlib库的安装比较麻烦，你得先找到对应版本，因为不同python版本对应不同dlib

如果你跟我一样是3.6，那装19.7就行

缺版本或找不到对应版本可以留言

2.训练集准备

这个训练集捏，是借助recognizer.train得到的.yml文件，所以精度没特别高，但是拿来玩玩门锁 还是够用，追求精度可以走深度学习

代码如下：

1）第一步准备照片（即你的人脸像），以“序号.名称”命名，例如“1.xx"这是为了方便切片和保存（即我们可以通过切片将每张照片的脸部特征，序号，名称一一对应）记得你照片的存放路径

2）第二步准备人脸数据集haarcascade_frontalface_alt2.xml，这个是opencv自带的用于检测人脸（注意是检测人脸不是识别人脸）这种做法我觉得有点像RIO ，就是我们在一张图片中匹配人像特征不是从角落开始，而是定位人脸，然后规划一个区域，在区域内进行匹配，这样节省很多时间

3）第三步，跑代码就完事了，然后你会在你指定的文件夹里面找到yml文件，这就是你的训练集

import os
import sys
from PIL import Image
import numpy as np
import cv2

def getImageAndLabels(path):
    #建两个空列表后续存储数据
    facesSamples=[]
    ids=[]
    imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
    #检测人脸
    face_detector = cv2.CascadeClassifier('E:\jupyter_notebook\practice\haarcascades\haarcascade_frontalface_alt2.xml')
    #打印数组imagePaths
    print('路径：',imagePaths)
    #遍历列表中的图片
    for imagePath in imagePaths:
        #打开图片,灰度
        PIL_img=Image.open(imagePath).convert('L')
        #此时获取的是整张图片的数组
        img_numpy=np.array(PIL_img,'uint8')
        #获取图片人脸特征，相当于rio
        faces = face_detector.detectMultiScale(img_numpy)
        #将文件名前的名字转化为ID并记录下来
        str_id = os.path.split(imagePath)[1].split('.')[0]
        id = int(str_id)
        #id = os.path.split(imagePath)[1].split('.')[0]
        #预防检测到无面容照片
        for x,y,w,h in faces:
            #把ID写进ids列表中
            ids.append(id)
            #把所画的方框写进facesSamples列表中