用Python实现简单的人脸识别，10分钟拿下（附源码）

今天&＃xff0c;我们用Python实现简单的人脸识别技术&＃xff01;

Python里&＃xff0c;简单的人脸识别有很多种方法可以实现&＃xff0c;依赖于python胶水语言的特性&＃xff0c;我们通过调用包可以快速准确的达成这一目的。这里介绍的是准确性比较高的一种。

梳理一下实现人脸识别需要进行的步骤&＃xff1a;

流程大致如此&＃xff0c;在此之前&＃xff0c;要先让人脸被准确地找出来&＃xff0c;也就是能准确区分人脸的分类器&＃xff0c;在这里我们可以用已经训练好的分类器&＃xff0c;网上种类较全&＃xff0c;分类准确度也比较高&＃xff0c;我们也可以节约在这方面花的时间。

既然用的是python&＃xff0c;那自然少不了包的使用了&＃xff0c;在看代码之前&＃xff0c;我们先将整个项目所需要的包罗列一下&＃xff1a;

· CV2(Opencv)&＃xff1a;图像识别&＃xff0c;摄像头调用

· os&＃xff1a;文件操作

· numpy&＃xff1a;NumPy(Numerical Python) 是 Python 语言的一个扩展程序库&＃xff0c;支持大量的维度数组与矩阵运算&＃xff0c;此外也针对数组运算提供大量的数学函数库

· PIL&＃xff1a;Python Imaging Library&＃xff0c;Python平台事实上是图像处理的标准库

1.对照人脸获取

#-----获取人脸样本-----
import cv2#调用笔记本内置摄像头&＃xff0c;参数为0&＃xff0c;如果有其他的摄像头可以调整参数为1,2
cap &＃61; cv2.VideoCapture(0)
#调用人脸分类器&＃xff0c;要根据实际路径调整3
face_detector &＃61; cv2.CascadeClassifier(r&＃39;X:/Users/73950/Desktop/FaceRec/haarcascade_frontalface_default.xml&＃39;) #待更改
#为即将录入的脸标记一个id
face_id &＃61; input(&＃39;\n User data input,Look at the camera and wait ...&＃39;)
#sampleNum用来计数样本数目
count &＃61; 0while True: #从摄像头读取图片success,img &＃61; cap.read() #转为灰度图片&＃xff0c;减少程序符合&＃xff0c;提高识别度if success is True: gray &＃61; cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) else: break#检测人脸&＃xff0c;将每一帧摄像头记录的数据带入OpenCv中&＃xff0c;让Classifier判断人脸#其中gray为要检测的灰度图像&＃xff0c;1.3为每次图像尺寸减小的比例&＃xff0c;5为minNeighborsfaces &＃61; face_detector.detectMultiScale(gray, 1.3, 5)#框选人脸&＃xff0c;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&＃xff0c;h为高&＃xff0c;用rectangle为人脸标记画框cv2.rectangle(img, (x, y), (x&＃43;w, y&＃43;w), (255, 0, 0))#成功框选则样本数增加count &＃43;&＃61; 1 #保存图像&＃xff0c;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&＃xff0c;当然也可以设置为其他路径或者调用数据库)cv2.imwrite("data/User."&＃43;str(face_id)&＃43;&＃39;.&＃39;&＃43;str(count)&＃43;&＃39;.jpg&＃39;,gray[y:y&＃43;h,x:x&＃43;w]) #显示图片cv2.imshow(&＃39;image&＃39;,img) #保持画面的连续。waitkey方法可以绑定按键保证画面的收放&＃xff0c;通过q键退出摄像k &＃61; cv2.waitKey(1) if k &＃61;&＃61; &＃39;27&＃39;:break #或者得到800个样本后退出摄像&＃xff0c;这里可以根据实际情况修改数据量&＃xff0c;实际测试后800张的效果是比较理想的elif count >&＃61; 800:break#关闭摄像头&＃xff0c;释放资源
cap.realease()
cv2.destroyAllWindows()


经博主测试&＃xff0c;在执行

“face_detector &＃61; cv2.CascadeClssifier(r&＃39;C:\Users\admin\Desktop\python\data\ 
haarcascade_frontalface_default.xml&＃39;)”此语句时&＃xff0c;实际路径中的目录名尽量不要有中文字符出现&＃xff0c;否则容易报错。

这样&＃xff0c;你的电脑就能看到你啦&＃xff01;

本次所用的算法为opencv中所自带的算法&＃xff0c;opencv较新版本中&＃xff08;我使用的是2.4.8&＃xff09;提供了一个FaceRecognizer类&＃xff0c;里面有相关的一些人脸识别的算法及函数接口&＃xff0c;其中包括三种人脸识别算法&＃xff08;我们采用的是第三种&＃xff09;

• 1.eigenface
• 2.fisherface
• 3.LBPHFaceRecognizer

LBP是一种特征提取方式&＃xff0c;能提取出图像的局部的纹理特征&＃xff0c;最开始的LBP算子是在3X3窗口中&＃xff0c;取中心像素的像素值为阀值&＃xff0c;与其周围八个像素点的像素值比较&＃xff0c;若像素点的像素值大于阀值&＃xff0c;则此像素点被标记为1&＃xff0c;否则标记为0。这样就能得到一个八位二进制的码&＃xff0c;转换为十进制即LBP码&＃xff0c;于是得到了这个窗口的LBP值&＃xff0c;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&＃xff0c;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。

我们在前一部分的同目录下创建一个Python文件&＃xff0c;文件名为trainner.py&＃xff0c;用于编写数据集生成脚本。同目录下&＃xff0c;创建一个文件夹&＃xff0c;名为trainner&＃xff0c;用于存放我们训练后的识别器。

#-----建立模型、创建数据集-----#-----建立模型、创建数据集-----import os
import cv2
import numpy as np
from PIL import Image
#导入pillow库&＃xff0c;用于处理图像
#设置之前收集好的数据文件路径
path &＃61; &＃39;data&＃39;#初始化识别的方法
recog &＃61; cv2.face.LBPHFaceRecognizer_create()#调用熟悉的人脸分类器
detector &＃61; cv2.CascadeClassifier(&＃39;haarcascade_frontalface_default.xml&＃39;)#创建一个函数&＃xff0c;用于从数据集文件夹中获取训练图片,并获取id
#注意图片的命名格式为User.id.sampleNum
def get_images_and_labels(path):image_paths &＃61; [os.path.join(path,f) for f in os.listdir(path)]#新建连个list用于存放face_samples &＃61; []ids &＃61; []#遍历图片路径&＃xff0c;导入图片和id添加到list中for image_path in image_paths:#通过图片路径将其转换为灰度图片img &＃61; Image.open(image_path).convert(&＃39;L&＃39;)#将图片转化为数组img_np &＃61; np.array(img,&＃39;uint8&＃39;)if os.path.split(image_path)[-1].split(".")[-1] !&＃61; &＃39;jpg&＃39;:continue#为了获取id&＃xff0c;将图片和路径分裂并获取id &＃61; int(os.path.split(image_path)[-1].split(".")[1])faces &＃61; detector.detectMultiScale(img_np)#将获取的图片和id添加到list中for(x,y,w,h) in faces:face_samples.append(img_np[y:y&＃43;h,x:x&＃43;w])ids.append(id)return face_samples,ids#调用函数并将数据喂给识别器训练
print(&＃39;Training...&＃39;)
faces,ids &＃61; get_images_and_labels(path)
#训练模型
recog.train(faces,np.array(ids))
#保存模型
recog.save(&＃39;trainner/trainner.yml&＃39;)

3.识别

检测&＃xff0c;校验&＃xff0c;输出其实都是识别的这一过程&＃xff0c;与前两个过程不同&＃xff0c;这是涉及实际使用的过程&＃xff0c;所以我们把他整合放在一个统一的一个文件内。

#-----检测、校验并输出结果-----
import cv2#准备好识别方法
recognizer &＃61; cv2.face.LBPHFaceRecognizer_create()#使用之前训练好的模型
recognizer.read(&＃39;trainner/trainner.yml&＃39;)#再次调用人脸分类器
cascade_path &＃61; "haarcascade_frontalface_default.xml"
face_cascade &＃61; cv2.CascadeClassifier(cascade_path)#加载一个字体&＃xff0c;用于识别后&＃xff0c;在图片上标注出对象的名字
font &＃61; cv2.FONT_HERSHEY_SIMPLEXidnum &＃61; 0
#设置好与ID号码对应的用户名&＃xff0c;如下&＃xff0c;如0对应的就是初始names &＃61; [&＃39;初始&＃39;,&＃39;admin&＃39;,&＃39;user1&＃39;,&＃39;user2&＃39;,&＃39;user3&＃39;]#调用摄像头
cam &＃61; cv2.VideoCapture(0)
minW &＃61; 0.1*cam.get(3)
minH &＃61; 0.1*cam.get(4)while True:ret,img &＃61; cam.read()gray &＃61; cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#识别人脸faces &＃61; face_cascade.detectMultiScale(gray,scaleFactor &＃61; 1.2,minNeighbors &＃61; 5,minSize &＃61; (int(minW),int(minH)))#进行校验for(x,y,w,h) in faces:cv2.rectangle(img,(x,y),(x&＃43;w,y&＃43;h),(0,255,0),2)idnum,confidence &＃61; recognizer.predict(gray[y:y&＃43;h,x:x&＃43;w])#计算出一个检验结果if confidence <100:idum &＃61; names[idnum]confidence &＃61; "{0}%",format(round(100-confidence))else:idum &＃61; "unknown"confidence &＃61; "{0}%",format(round(100-confidence))#输出检验结果以及用户名cv2.putText(img,str(idum),(x&＃43;5,y-5),font,1,(0,0,255),1)cv2.putText(img,str(confidence),(x&＃43;5,y&＃43;h-5),font,1,(0,0,0),1)#展示结果cv2.imshow(&＃39;camera&＃39;,img)k &＃61; cv2.waitKey(20)if k &＃61;&＃61; 27:break#释放资源
cam.release()
cv2.destroyAllWindows()


现在&＃xff0c;你的电脑就能识别出你来啦&＃xff01;

通过其他组合也可以实现开机检测等多种功能&＃xff0c;你学会了吗&＃xff1f;

下面是博主审稿时的测试结果以及出现的一些问题哦~希望对大家有帮助&＃xff08;呲牙.jpg&＃xff09;

测试结果&＃xff1a;

博主审稿测试过程中出现的问题&＃xff1a;

&＃xff08;1&＃xff09;版本问题

解决方法&＃xff1a;经过博主无数次的失败&＃xff0c;提示大家最好安装python2.7&＃xff0c;可以直接使用 pip install numpy 以及pip install opencv-python安装numpy 以及对应python版本的opencv

&＃xff08;如果使用的是Anaconda2&＃xff0c;pip相关命令可在开始菜单Anaconda2文件夹下的Anaconda Prompt中输入&＃xff09;

点击推文中给出的链接&＃xff0c;将github中的文件下载后放至编译文件所在的文件夹下&＃xff0c;并更改代码中的相关目录

&＃xff08;2&＃xff09;如果提示“module&＃39; object has no attribute &＃39;face&＃39;”

解决方法&＃xff1a;可以输入 pip install opencv-contrib-python解决&＃xff0c;如果提示需要commission&＃xff0c;可以在后面加上 --user,即 pip install opencv-contrib-python --user

最后祝大家天天进步&＃xff01;&＃xff01;学习Python最重要的就是心态。我们在学习过程中必然会遇到很多难题&＃xff0c;可能自己想破脑袋都无法解决。这都是正常的&＃xff0c;千万别急着否定自己&＃xff0c;怀疑自己。如果大家在刚开始学习中遇到困难&＃xff0c;想找一个python学习交流环境&＃xff0c;可以加入我们&＃xff0c;领取学习资料&＃xff0c;一起讨论&＃xff0c;会节约很多时间&＃xff0c;减少很多遇到的难题。