人脸识别案例（人脸采集）

系列文章目录

人脸采集
数据训练

---

---

一、环境准备

在编写程序之前我们要对我们的环境进行配置，例如安装python以及安装我们的第三方库

• python版本：3.7.5
• 第三方库下载：提取码：yjl6

可以下载上面轮子的第三方库防止在运行的时候发生不明原因的报错，不明原因很是恶心的
（里面附带有下载说明）

二、主要思路

1.获取人脸样本

我们要对人脸进行识别操作肯定要对我们的人脸信息进行采集才能进行下面的识别

1. 首先我们需要引入我们的第三方库

# opencv的第三方库
import cv2
# 键盘监听的第三方库
import keyboard

2. 开启摄像头

  # 调用笔记本内置摄像头，参数为0，如果有其他的摄像头可以调整参数为1,2
    cap = cv2.VideoCapture(0)

3. 调用分类器，这一步需要根据我们的实际路径进行更改

# 调用人脸分类器，要根据实际路径调整3
    face_detector = cv2.CascadeClassifier(
        r"C:\Users\HONOR\AppData\Local\Programs\Python\Python37\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml")  # 待更改

这个人脸分类器一般在python安装路径\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml
(里面还有很多其他的分离器大家可以尝试替换一下)

4. 录入一下人脸的id以及样本数量

# 为即将录入的脸标记一个id
    face_id = input('\n User data input,Look at the camera and wait ...')
    # 用来计数样本数目
    count = 0

5. 读取摄像头的图片并且做预处理

# 从摄像头读取图片
        success, img = cap.read()
        # 转为灰度图片，减少程序符合，提高识别度
            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

6.检测人脸

 # 检测人脸，将每一帧摄像头记录的数据带入OpenCv中，让Classifier判断人脸
        # 其中gray为要检测的灰度图像，1.3为每次图像尺寸减小的比例，5为minNeighbors
        faces = face_detector.detectMultiScale(gray, 1.3, 5)

7. 对人脸画框并且保存

   # 框选人脸，for循环保证一个能检测的实时动态视频流
        for (x, y, w, h) in faces:
            # xy为左上角的坐标,w为宽，h为高，用rectangle为人脸标记画框
            cv2.rectangle(img, (x, y), (x + w, y + w), (255, 0, 0))
            # 成功框选则样本数增加
            count += 1
            # 保存图像，把灰度图片看成二维数组来检测人脸区域
            # (这里是建立了data的文件夹，当然也可以设置为其他路径或者调用数据库)
            cv2.imwrite("facedata/" + str(face_id) + '.' + str(count) + '.jpg', gray[y:y + h, x:x + w])

8.设置采集数量并且自动退出采集程序

 k = cv2.waitKey(1)
        if keyboard.is_pressed("Esc"):
            break
        # 按esc键退出或者得到200个样本后退出摄像，这里可以根据实际情况修改数据量，实际测试后800张的效果是比较理想的
        elif count >= 200:
            break
        
CollectFaces()
cv2.destroyAllWindows()

2.代码书写（完整代码）

# -*- coding = utf-8 -*-
# -*-@Time : 2022/9/18 11:19  
# -*-@Author : 于金龙 
# -*-@File : 获取人脸样本.py
# -*-@software : PyCharm
import cv2
import keyboard


def CollectFaces():

    # 调用笔记本内置摄像头，参数为0，如果有其他的摄像头可以调整参数为1,2
    cap = cv2.VideoCapture(0)
    # 调用人脸分类器，要根据实际路径调整3
    face_detector = cv2.CascadeClassifier(
        r"C:\Users\HONOR\AppData\Local\Programs\Python\Python37\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml")  # 待更改
# 为即将录入的脸标记一个id
    face_id = input('\n User data input,Look at the camera and wait ...')
    # sampleNum用来计数样本数目
    count = 0

    while True:
        # 从摄像头读取图片
        success, img = cap.read()
        # 转为灰度图片，减少程序符合，提高识别度
        if success is True:
            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        else:
            break
        # 检测人脸，将每一帧摄像头记录的数据带入OpenCv中，让Classifier判断人脸
        # 其中gray为要检测的灰度图像，1.3为每次图像尺寸减小的比例，5为minNeighbors
        faces = face_detector.detectMultiScale(gray, 1.3, 5)

        # 框选人脸，for循环保证一个能检测的实时动态视频流
        for (x, y, w, h) in faces:
            # xy为左上角的坐标,w为宽，h为高，用rectangle为人脸标记画框
            cv2.rectangle(img, (x, y), (x + w, y + w), (255, 0, 0))
            # 成功框选则样本数增加
            count += 1
            # 保存图像，把灰度图片看成二维数组来检测人脸区域
            # (这里是建立了data的文件夹，当然也可以设置为其他路径或者调用数据库)
            cv2.imwrite("facedata/" + str(face_id) + '.' + str(count) + '.jpg', gray[y:y + h, x:x + w])
            # 显示图片
            cv2.imshow('image', img)
        # 保持画面的连续。waitkey方法可以绑定按键保证画面的收放，通过esc键退出摄像
        k = cv2.waitKey(1)
        if keyboard.is_pressed("Esc"):
            break
        # 或者得到100个样本后退出摄像，这里可以根据实际情况修改数据量，实际测试后800张的效果是比较理想的
        elif count >= 200:
            break
        
CollectFaces()
cv2.destroyAllWindows()

---

总结

以上内容我对人脸采集部分的理解，希望对大家有用,下面是我写的一个python文件
人脸采集的完整代码文件（大家有兴趣可以去下载玩一下）