基于OpenCV人脸识别项目_基于opencv的人脸识别课题-CSDN博客

本文链接：https://blog.csdn.net/weixin_64437665/article/details/127732198

一、首先进行人脸采集

import cv2 as cv
#打开摄像头
cap = cv.VideoCapture(0)
#采集的照片的数目
num = 1
#录入人员的姓名
face_id = input('采集编号:\n')
#录入人员的标签，每个人的标签不能相同
face_name = input('采集姓名:\n')
print('\n 正在打开摄像头。。。。。。。')
while (cap.isOpened()):
#捕获摄像头图像
ret_flag,vshow = cap.read()
#显示捕获的照片
cv.imshow("capture_test",vshow)
#图像刷新的频率，图像才能正常显示出来，返回1ms内按键按下的ASII码。
k = cv.waitKey(1)&0xff
#设置按键保存照片
if k == ord('s'):
#保存图片（保存路径以及文件命名方式）
cv.imencode(".jpg",vshow)[1].tofile("imgdata/"+str(face_idname)+"."+str(face_id)+'.'+str(num)+".jpg")
print("成功保存第"+str(num)+'张照片'+".jpg")
print("***********************")
num += 1
elif k == ord(' '):
break
#关闭摄像
cap.release()
#释放图像显示窗
cv.destroyAllWindows()

二、进行数据训练

人脸采集完成后，调用OpenCV库中的函数进行图片训练，将采集的图片转换成数组，进行存储。由于这里需要opencv自带的级联分类器文件，site-packages\cv2\data中，这里使了OpenCV自带的级联分类器haarcascade_frontalface_default.xml。

不同人的Python环境不一样，这里的级联分类器是我的电脑里面的，你们在使用时先找到自己级联分类器的位置。最后将训练好的数据存储在train.yml文件中。

数据训练代码如下:
import os
import cv2
from PIL import Image
import numpy as np

def getImageAndlabels(path):
#人脸数据数据
facesSamples = []
#人标签
ids = []
#读取所有的照片的名称（os.listdir读取根目录下文件的名称返回一个列表，os.path.join将根目录和文件名称组合形成完整的文件路径）
imagePaths = [os.path.join(path,f) for f in os.listdir(path)]
#调用人脸分类器（注意自己文件保存的路径，英文名）
face_detect = cv.CascadeClassifier('D:/python/OpenCV/haarcascade_frontalface_default.xml')
#循环读取照片人脸数据
for imagePath in imagePaths:
#用灰度的方式打开照片
PIL_img = Image.open(imagePath).convert('L')
#将照片转换为计算机能识别的数组OpenCV（BGR--0-255）
img_numpy = np.array(PIL_img,'uint8')
#提取图像中人脸的特征值
faces = face_detect.detectMultiScale(img_numpy)
#将文件名按“.”进行分割
id = int(os.path.split(imagePath)[1].split('.')[0])
#防止无人脸图像
for x,y,w,h in faces:
ids.append(id)
facesSamples.append(img_numpy[y:y+h,x:x+w])
return facesSamples,ids

if __name__ == '__main__':
#人脸图片存放的文件夹
path = 'imgdata'
faces, ids = getImageAndlabels(path)
recognizer=cv2.face.LBPHFaceRecognizer_create()
#训练数据
recognizer.train(faces, np.array(ids))
#将训练的系统保存在特定文件夹
recognizer.write('trainer/trainer.yml')

三、人脸识别

完成上面两部之后，这个项目基本完成了，这里进行最后一步，进行人脸识别，首先通过使用imageDraw函数将人脸位置画出来，然后在和之前训练的如图进行匹配，在进行识别的时候光照明暗度不同可能会导致识别的自信度不一样，大家也可以通过其他方法进行改进算法。

代码如下:

import os
import cv2
from PIL import *
import numpy as np

#加载训练数据集文件
recogizer=cv2.face.LBPHFaceRecognizer_create()
#读取训练好的系统文件
recogizer.read('trainer/trainer.yml')
#存储人脸库中人员的名字
names=[]
#对应的标签
idn = []
#准备识别的图片
def face_detect_demo(img):
#转换为灰度
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#调用下载好的人脸分类器
face_detector = cv2.CascadeClassifier('D:/python 3.10.1/OpenCV/haarcascade_frontalface_default.xml')
#读取图像中人脸的特征值（返回值为人脸的相关坐标和长宽）
face=face_detector.detectMultiScale(gray,1.1,5,0,(100,100),(800,800))
for x,y,w,h in face:
#把人脸框起来
cv2.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
# 人脸识别
ids, confidence = recogizer.predict(gray[y:y + h, x:x + w])
if confidence > 60:
img = cv2AddChineseText(img, "外来人员"+str(int(confidence)), (x+10, y+10), (0, 255, 0), 30)