python实现人脸识别系统,用python做一个人脸识别

　　前言

　　让我的电脑认识我。只有我的电脑认识我，才能称之为我的电脑！

　　今天我们用Python实现简单的人脸识别技术！

　　在python中，有很多方法可以实现简单的人脸识别。根据Python glue语言的特点，我们可以通过调用包来快速准确地达到这个目的。这里有一个准确度更高的。

　　（免费学习推荐：python视频教程）

　　一、首先

　　梳理一下实现人脸识别需要的步骤：

　　过程大致是这样的。在此之前，要把人的脸准确找出来，也就是能准确区分人脸的分类器。这里可以使用训练好的分类器，网上种类齐全，分类准确率高。在这方面我们也可以节省时间。

　　Ps:博主的宝贝来源已放入以下链接~

　　建议：GitHub项目

　　https://github.com/opencv/opencv/tree/master/data/haarcascades

　　既然用了python，自然要用包。在查看代码之前，让我们列出整个项目所需的包：

　　 CV2(Opencv)：图像识别，相机通话

　　 os：文件操作

　　 numpy：Numpy(Numeric Python)是Python语言的扩展库，支持大量的维数组和矩阵运算，还提供了大量的数组运算的数学函数库。

　　 PIL：Python图像库，Python平台上图像处理的标准库。

　　二、接下来

　　1. 对照人脸获取

　　#-获取面部样本-

　　导入cv2

　　#调用笔记本内置摄像头，参数为0。如果有其他摄像机，您可以将参数调整为1或2。

　　cap=cv2。视频捕获(0)

　　#调用人脸分类器，根据实际路径调整3

　　Face _ detector=cv2.cascade分类器(r x 3360/users/73950/desktop/facerec/haarcascade _ frontal face _ default . XML )#待更改

　　#标记要输入的人脸的id

　　face_id=input(\n用户数据输入，看着摄像机等待.)

　　#sampleNum用于计算样本数。

　　计数=0

　　而True:

　　#从相机中读取图片

　　success，img=cap.read()

　　#转换为灰度图像，降低程序合规性并提高识别率。

　　如果成功是真的

　　gray=cv2.cvtColor(img，cv2。COLOR_BGR2GRAY)

　　else:

　　破裂

　　#检测人脸，把摄像头每一帧记录的数据带入OpenCv，让分类器判断人脸。

　　#其中gray是要检测的灰度图像，1.3是每个图像尺寸缩小的比率，5是minNeighbors。

　　faces=face _ detector . detect multi scale(gray，1.3，5)

　　#框选择人脸，进行循环以确保可以检测到实时动态视频流。

　　对于面：中的(x，y，w，h)

　　#xy是左上角的坐标，w是宽，h是高，用矩形来标记边框。

　　cv2.rectangle(img，(x，y)，(x w，y w)，(255，0，0))

　　#成功的盒子选择将增加样本数量。

　　计数=1

　　#保存图像，将灰度图像作为二维数组来检测人脸区域。

　　#(这里是建立数据的文件夹，当然也可以设置成其他路径或者调用数据库)

　　cv2.imwrite(数据/用户str(face_id) . str(count)。jpg ，灰色[y:y高，x:x宽])

　　#显示图片

　　cv2.imshow(image ，img)

　　#保持画面连续。Waitkey方法可以绑定键保证画面收回，通过Q键退出相机。

　　k=cv2.waitKey(1)

　　如果k==27:

　　破裂

　　#或者在获得800个样本后退出相机。在这里你可以

　　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 >= 800:

　　 break

　　#关闭摄像头，释放资源

　　cap.realease()

　　cv2.destroyAllWindows()经博主测试，在执行

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

　　这样，你的电脑就能看到你啦！

　　2. 通过算法建立对照模型

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

　　1.eigenface

　　2.fisherface

　　3.LBPHFaceRecognizer

　　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。

　　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。

#-----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，用于处理图像
　　#设置之前收集好的数据文件路径
　　path = 'data'
　　#初始化识别的方法
　　recog = cv2.face.LBPHFaceRecognizer_create()
　　#调用熟悉的人脸分类器
　　detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
　　#创建一个函数，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 = [os.path.join(path,f) for f in os.listdir(path)]
　　 #新建连个list用于存放
　　 face_samples = []
　　 ids = []
　　 #遍历图片路径，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 = Image.open(image_path).convert('L')
　　 #将图片转化为数组
　　 img_np = np.array(img,'uint8')
　　 if os.path.split(image_path)[-1].split(".")[-1] != 'jpg':
　　 continue
　　 #为了获取id，将图片和路径分裂并获取
　　 id = int(os.path.split(image_path)[-1].split(".")[1])
　　 faces = 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+h,x:x+w])
　　 ids.append(id)
　　 return face_samples,ids
　　#调用函数并将数据喂给识别器训练
　　print('Training...')
　　faces,ids = get_images_and_labels(path)
　　#训练模型
　　recog.train(faces,np.array(ids))
　　#保存模型
　　recog.save('trainner/trainner.yml')

　　3. 识别

　　检测，校验，输出其实都是识别的这一过程，与前两个过程不同，这是涉及实际使用的过程，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 = cv2.face.LBPHFaceRecognizer_create()
　　#使用之前训练好的模型
　　recognizer.read('trainner/trainner.yml')
　　#再次调用人脸分类器
　　cascade_path = "haarcascade_frontalface_default.xml" 
　　face_cascade = cv2.CascadeClassifier(cascade_path)
　　#加载一个字体，用于识别后，在图片上标注出对象的名字
　　font = cv2.FONT_HERSHEY_SIMPLEX
　　idnum = 0
　　#设置好与ID号码对应的用户名，如下，如0对应的就是初始
　　names = ['初始','admin','user1','user2','user3']
　　#调用摄像头
　　cam = cv2.VideoCapture(0)
　　minW = 0.1*cam.get(3)
　　minH = 0.1*cam.get(4)
　　while True:
　　 ret,img = cam.read()
　　 gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
　　 #识别人脸
　　 faces = face_cascade.detectMultiScale(
　　 gray,
　　 scaleFactor = 1.2,
　　 minNeighbors = 5,
　　 minSize = (int(minW),int(minH))
　　 )
　　 #进行校验
　　 for(x,y,w,h) in faces:
　　 cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
　　 idnum,confidence = recognizer.predict(gray[y:y+h,x:x+w])
　　 #计算出一个检验结果
　　 if confidence < 100:
　　 idum = names[idnum]
　　 confidence = "{0}%",format(round(100-confidence))
　　 else:
　　 idum = "unknown"
　　 confidence = "{0}%",format(round(100-confidence))
　　 #输出检验结果以及用户名
　　 cv2.putText(img,str(idum),(x+5,y-5),font,1,(0,0,255),1)
　　 cv2.putText(img,str(confidence),(x+5,y+h-5),font,1,(0,0,0),1)
　　 #展示结果
　　 cv2.imshow('camera',img)
　　 k = cv2.waitKey(20)
　　 if k == 27:
　　 break
　　#释放资源
　　cam.release()
　　cv2.destroyAllWindows()

　　通过其他组合也可以实现开机检测等多种功能，你学会了吗？

　　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（呲牙.jpg）

　　测试结果：

　　博主审稿测试过程中出现的问题：

　　（1）版本问题

　　解决方法：经过博主无数次的失败，提示大家最好安装python2.7，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

　　（如果使用的是Anaconda2，pip相关命令可在开始菜单Anaconda2文件夹下的Anaconda Prompt中输入）

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

　　（2）如果提示“module' object has no attribute 'face'”

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

　　如有其它问题欢迎大家随时联系博主呀~~~

大量免费学习推荐，敬请访问python教程(视频)

　　

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。