使用opencv进行人脸识别的三种方法,opencv人脸识别系统python毕业设计

　　Opencv是一个基于BSD许可和开源分发的跨平台计算机视觉库。下面文章主要介绍基于OpenCV的Python人脸识别，通过示例代码详细介绍。本文中的教程非常适合初学者，有需要的朋友可以参考一下。

　　00-1010一点背景知识。1.人脸识别的第二步。(1)直接输入代码。py(2)训练数据。py(3)识别。py。3.运行过程和结果。1.获取目标文件中的面部照片。2.训练数据以获取trainer.yml文件中的数据。3.总结认可。

目录

　　OpenCV是一个开源的计算机视觉和机器学习库。它包含数以千计的优化算法，并为各种计算机视觉应用提供了一个通用的工具包。从这个项目的about页面来看，OpenCV已经广泛应用于各个项目，从Google街景的照片拼接到互动艺术展的技术实现。

　　OpenCV始于1999年英特尔的一个内部研究项目。从那以后，它的发展非常活跃。截至目前，已支持OpenCL、OpenGL等现代技术，以及iOS、Android等平台。

　　1999年，《半条命》上映后，它变得非常受欢迎。英特尔奔腾3处理器是当时最先进的CPU，400-500 MHZ的时钟频率已经算是相当快的了。2006年OpenCV版本发布的时候，主流CPU的性能只比得上iPhone 5的A6处理器。虽然计算机视觉传统上被认为是一种计算密集型应用，但我们的移动设备的性能显然已经超过了能够执行有用的计算机视觉任务的阈值，带有摄像头的移动设备可以在计算机视觉平台上取得巨大成就。

　　本文为简单易懂的人脸识别！

一点背景知识

一、人脸识别步骤

二、直接上代码

　　导入cv2

　　Face_name=cjw #这张脸的名称

　　#加载OpenCV人脸检测分类器

　　face_cascade=cv2。cascade classifier( d :/BaiduNetdiskDownload/python/opencv/opencv-4 . 5 . 1/

　　data/haarcascades/haarcascade _ frontal face _ default . XML )

　　recognizer=cv2 . face . lbphfacecognizer _ create()#准备识别方法LBPH方法

　　camera=cv2 . video capture(0)# 0:打开相机

　　成功，img=camera.read() #从相机中读取照片

　　W_size=0.1 * camera.get(3) #视频流中帧的宽度

　　H_size=0.1 * camera.get(4) #在视频流的帧的高度

　　def get_face():

　　打印(从相机输入新的面部信息\n )

　　Picture_num=0 #设置输入照片的初始值。

　　而True: #从相机中读取图片

　　全局成功#设置全局变量

　　全局img #设置全局变量

　　Ret，frame=camera.read() #获取摄像头读取的数据(ret为返回值，frame为视频中的每一帧)

　　如果ret为真：

　　Gray=cv2.cvtcolor (frame，cv2.color _ bgr2gray) #转换为灰度图片

　　else:

　　破裂

　　Face_detector=face_cascade #记录摄像机记录

　　录的每一帧的数据，让Classifier判断人脸

　　 faces = face_detector.detectMultiScale(gray, 1.3, 5) # gray是要灰度图像，1.3为每次图像尺寸减小的比例，5为minNeighbors

　　 for (x, y, w, h) in faces: # 制造一个矩形框选人脸(xy为左上角的坐标,w为宽，h为高)

　　 cv2.rectangle(frame, (x, y), (x + w, y + w), (255, 0, 0))

　　 picture_num += 1 # 照片数加一

　　 t = face_name

　　 cv2.imwrite("./data/1." + str(t) + . + str(picture_num) + .jpg, gray[y:y + h, x:x + w])

　　 # 保存图像，将脸部的特征转化为二维数组，保存在data文件夹内

　　 maximums_picture = 13 # 设置摄像头拍摄照片的数量的上限

　　 if picture_num > maximums_picture:

　　 break

　　 cv2.waitKey(1)

　　get_face()

　　注意：加载分类器的文件地址；cv2.imwrite：保存图片的路径

（2）数据训练.py

import os
　　import cv2
　　from PIL import Image
　　import numpy as np
　　def getlable(path):
　　 facesamples = [] # 储存人脸数据(该数据为二位数组)
　　 ids = [] # 储存星门数据
　　 imagepaths = [os.path.join(path, f) for f in os.listdir(path)] # 储存图片信息
　　 face_detector = cv2.CascadeClassifier(D:/BaiduNetdiskDownload/python/opencv/opencv-4.5.1/data/haarcascades/
　　 haarcascade_frontalface_alt2.xml) # 加载分类器
　　 print(数据排列：, imagepaths) # 打印数组imagepaths
　　 for imagePath in imagepaths: # 遍历列表中的图片
　　 pil_img = Image.open(imagePath).convert(L)
　　 # 打开图片，灰度化，PIL的两种不同模式：
　　 # (1)1(黑白，有像素的地方为1，无像素的地方为0)
　　 # (2)L(灰度图像，把每个像素点变成0~255的数值，颜色越深值越大)
　　 img_numpy = np.array(pil_img, uint8) # 将图像转化为数组
　　 faces = face_detector.detectMultiScale(img_numpy) # 获取人脸特征
　　 id = int(os.path.split(imagePath)[1].split(.)[0]) # 获取每张图片的id和姓名
　　 for x, y, w, h in faces: # 预防无面容照片
　　 ids.append(id)
　　 facesamples.append(img_numpy[y:y+h, x:x+w])
　　 # 打印脸部特征和id
　　 print(id:, id)
　　 print(fs:, facesamples)
　　 return facesamples, ids
　　if __name__ == __main__:
　　 path = D:/BaiduNetdiskDownload/python/opencv/pythonProject/face1/data # 图片路径
　　 faces, ids = getlable(path) # 获取图像数组和id标签数组和姓名
　　 recognizer = cv2.face.LBPHFaceRecognizer_create() # 获取训练对象
　　 recognizer.train(faces, np.array(ids))
　　 recognizer.write(trainer/trainer.yml) # 保存生成的人脸特征数据文件
　　 

（3） 进行识别.py

import cv2
　　import os
　　# 加载训练数据集文件
　　recogizer = cv2.face.LBPHFaceRecognizer_create()
　　recogizer.read(trainer/trainer.yml) # 获取脸部特征数据文件
　　names = []
　　warningtime = 0
　　def face_detect_demo(img):
　　 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转换为灰度图像
　　 face_detector = cv2.CascadeClassifier(D:/BaiduNetdiskDownload/python/opencv/opencv-4.5.1/
　　 data/haarcascades/haarcascade_frontalface_default.xml) # 加载分类器
　　 face = face_detector.detectMultiScale(gray, 1.3, 5, cv2.CASCADE_SCALE_IMAGE, (100, 100), (300, 300))
　　 # 进行识别，把整张人脸部分框起来
　　 for x, y, w, h in face:
　　 cv2.rectangle(img, (x, y), (x+w, y+h), color=(0, 0, 255), thickness=2) # 矩形
　　 cv2.circle(img, center=(x+w//2, y+h//2), radius=w//2, color=(0, 255, 0), thickness=1) # 圆形
　　 ids, confidence = recogizer.predict(gray[y:y + h, x:x + w]) # 进行预测、评分
　　 if confidence > 80:
　　 global warningtime
　　 warningtime += 1
　　 if warningtime > 100: # 警报达到一定次数，说明不是这个人
　　 warningtime = 0
　　 cv2.putText(img, unkonw, (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
　　 else:
　　 cv2.putText(img, str(names[ids-1]), (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
　　 # 把姓名打到人脸的框图上
　　 cv2.imshow(result, img)
　　 # print(bug:,ids)
　　def name():
　　 path = D:/BaiduNetdiskDownload/python/opencv/pythonProject/face1/data
　　 imagepaths = [os.path.join(path, f) for f in os.listdir(path)]
　　 for imagePath in imagepaths:
　　 name1 = str(os.path.split(imagePath)[1].split(., 2)[1])
　　 names.append(name1)
　　cap = cv2.VideoCapture(3.mp4)
　　name()
　　while True:
　　 flag, frame = cap.read() # 获得摄像头读取到的数据(flag为返回值,frame为视频中的每一帧)
　　 if not flag:
　　 break
　　 face_detect_demo(frame)
　　 if ord( ) == cv2.waitKey(10): # 按空格，退出
　　 break
　　cv2.destroyAllWindows()
　　cap.release()
　　# print(names)

三、运行过程及结果

1、获取人脸照片于目标文件中

2、进行数据训练，获得trainer.yml文件中的数据

3.进行识别

总结

　　到此这篇关于Python基于opencv实现的人脸识别的文章就介绍到这了,更多相关opencv人脸识别内容请搜索盛行IT软件开发工作室以前的文章或继续浏览下面的相关文章希望大家以后多多支持盛行IT软件开发工作室！

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。