TU1少兒編程網(wǎng)-https://www.pxcodes.com

前言TU1少兒編程網(wǎng)-https://www.pxcodes.com

讓我的電腦認識我，我的電腦只有認識我，才配稱之為我的電腦！TU1少兒編程網(wǎng)-https://www.pxcodes.com

今天，我們用Python實現(xiàn)簡單的人臉識別技術(shù)！TU1少兒編程網(wǎng)-https://www.pxcodes.com

Python里，簡單的人臉識別有很多種方法可以實現(xiàn)，依賴于python膠水語言的特性，我們通過調(diào)用包可以快速準(zhǔn)確的達成這一目的。這里介紹的是準(zhǔn)確性比較高的一種。TU1少兒編程網(wǎng)-https://www.pxcodes.com

（免費學(xué)習(xí)推薦：python視頻教程）TU1少兒編程網(wǎng)-https://www.pxcodes.com

一、首先TU1少兒編程網(wǎng)-https://www.pxcodes.com

梳理一下實現(xiàn)人臉識別需要進行的步驟：TU1少兒編程網(wǎng)-https://www.pxcodes.com

TU1少兒編程網(wǎng)-https://www.pxcodes.com

流程大致如此，在此之前，要先讓人臉被準(zhǔn)確的找出來，也就是能準(zhǔn)確區(qū)分人臉的分類器，在這里我們可以用已經(jīng)訓(xùn)練好的分類器，網(wǎng)上種類較全，分類準(zhǔn)確度也比較高，我們也可以節(jié)約在這方面花的時間。TU1少兒編程網(wǎng)-https://www.pxcodes.com

ps: 博主的寶貝來源已經(jīng)放在下面鏈接里啦~TU1少兒編程網(wǎng)-https://www.pxcodes.com

推薦：GitHub項目TU1少兒編程網(wǎng)-https://www.pxcodes.com

https://github.com/opencv/opencv/tree/master/data/haarcascadesTU1少兒編程網(wǎng)-https://www.pxcodes.com

既然用的是python，那自然少不了包的使用了，在看代碼之前，我們先將整個項目所需要的包羅列一下：TU1少兒編程網(wǎng)-https://www.pxcodes.com

· CV2(Opencv)：圖像識別，攝像頭調(diào)用TU1少兒編程網(wǎng)-https://www.pxcodes.com

· os：文件操作TU1少兒編程網(wǎng)-https://www.pxcodes.com

· numpy：NumPy(Numerical Python) 是 Python 語言的一個擴展程序庫，支持大量的維度數(shù)組與矩陣運算，此外也針對數(shù)組運算提供大量的數(shù)學(xué)函數(shù)庫TU1少兒編程網(wǎng)-https://www.pxcodes.com

· PIL：Python Imaging Library，Python平臺事實上圖像處理的標(biāo)準(zhǔn)庫TU1少兒編程網(wǎng)-https://www.pxcodes.com

二、接下來TU1少兒編程網(wǎng)-https://www.pxcodes.com

1. 對照人臉獲取TU1少兒編程網(wǎng)-https://www.pxcodes.com

#-----獲取人臉樣本----- import cv2 #調(diào)用筆記本內(nèi)置攝像頭，參數(shù)為0，如果有其他的攝像頭可以調(diào)整參數(shù)為1,2 cap = cv2.VideoCapture(0) #調(diào)用人臉分類器，要根據(jù)實際路徑調(diào)整3 face_detector = cv2.CascadeClassifier(r'X:/Users/73950/Desktop/FaceRec/haarcascade_frontalface_default.xml') #待更改 #為即將錄入的臉標(biāo)記一個id face_id = input(' User data input,Look at the camera and wait ...') #sampleNum用來計數(shù)樣本數(shù)目 count = 0 while True: #從攝像頭讀取圖片 success,img = cap.read() #轉(zhuǎn)為灰度圖片，減少程序符合，提高識別度 if success is True: gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) else: break #檢測人臉，將每一幀攝像頭記錄的數(shù)據(jù)帶入OpenCv中，讓Classifier判斷人臉 #其中g(shù)ray為要檢測的灰度圖像，1.3為每次圖像尺寸減小的比例，5為minNeighbors faces = face_detector.detectMultiScale(gray, 1.3, 5) #框選人臉，for循環(huán)保證一個能檢測的實時動態(tài)視頻流 for (x, y, w, h) in faces: #xy為左上角的坐標(biāo),w為寬，h為高，用rectangle為人臉標(biāo)記畫框 cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0)) #成功框選則樣本數(shù)增加 count += 1 #保存圖像，把灰度圖片看成二維數(shù)組來檢測人臉區(qū)域 #(這里是建立了data的文件夾，當(dāng)然也可以設(shè)置為其他路徑或者調(diào)用數(shù)據(jù)庫) cv2.imwrite("data/User."+str(face_id)+'.'+str(count)+'.jpg',gray[y:y+h,x:x+w]) #顯示圖片 cv2.imshow('image',img) #保持畫面的連續(xù)。waitkey方法可以綁定按鍵保證畫面的收放，通過q鍵退出攝像 k = cv2.waitKey(1) if k == '27': break #或者得到800個樣本后退出攝像，這里可以根據(jù)實際情況修改數(shù)據(jù)量，實際測試后800張的效果是比較理想的 elif count >= 800: break #關(guān)閉攝像頭，釋放資源 cap.realease() cv2.destroyAllWindows()

經(jīng)博主測試，在執(zhí)行TU1少兒編程網(wǎng)-https://www.pxcodes.com

“face_detector = cv2.CascadeClssifier(r'C:UsersadminDesktoppythondatahaarcascade_frontalface_default.xml')”此語句時，實際路徑中的目錄名盡量不要有中文字符出現(xiàn)，否則容易報錯。TU1少兒編程網(wǎng)-https://www.pxcodes.com

這樣，你的電腦就能看到你啦！TU1少兒編程網(wǎng)-https://www.pxcodes.com

2. 通過算法建立對照模型TU1少兒編程網(wǎng)-https://www.pxcodes.com

本次所用的算法為opencv中所自帶的算法，opencv較新版本中（我使用的是2.4.8）提供了一個FaceRecognizer類，里面有相關(guān)的一些人臉識別的算法及函數(shù)接口，其中包括三種人臉識別算法（我們采用的是第三種）TU1少兒編程網(wǎng)-https://www.pxcodes.com

1.eigenfaceTU1少兒編程網(wǎng)-https://www.pxcodes.com

2.fisherfaceTU1少兒編程網(wǎng)-https://www.pxcodes.com

3.LBPHFaceRecognizerTU1少兒編程網(wǎng)-https://www.pxcodes.com

LBP是一種特征提取方式，能提取出圖像的局部的紋理特征，**開始的LBP算子是在3X3窗口中，取中心像素的像素值為閥值，與其周圍八個像素點的像素值比較，若像素點的像素值大于閥值，則此像素點被標(biāo)記為1，否則標(biāo)記為0。這樣就能得到一個八位二進制的碼，轉(zhuǎn)換為十進制即LBP碼，于是得到了這個窗口的LBP值，用這個值來反映這個窗口內(nèi)的紋理信息。 TU1少兒編程網(wǎng)-https://www.pxcodes.com

LBPH是在原始LBP上的一個改進，在opencv支持下我們可以直接調(diào)用函數(shù)直接創(chuàng)建一個LBPH人臉識別的模型。TU1少兒編程網(wǎng)-https://www.pxcodes.com

我們在前一部分的同目錄下創(chuàng)建一個Python文件，文件名為trainner.py，用于編寫數(shù)據(jù)集生成腳本。同目錄下，創(chuàng)建一個文件夾，名為trainner，用于存放我們訓(xùn)練后的識別器。TU1少兒編程網(wǎng)-https://www.pxcodes.com

#-----建立模型、創(chuàng)建數(shù)據(jù)集-----#-----建立模型、創(chuàng)建數(shù)據(jù)集----- import os import cv2 import numpy as np from PIL import Image #導(dǎo)入pillow庫，用于處理圖像 #設(shè)置之前收集好的數(shù)據(jù)文件路徑 path = 'data' #初始化識別的方法 recog = cv2.face.LBPHFaceRecognizer_create() #調(diào)用熟悉的人臉分類器 detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') #創(chuàng)建一個函數(shù)，用于從數(shù)據(jù)集文件夾中獲取訓(xùn)練圖片,并獲取id #注意圖片的命名格式為User.id.sampleNum def get_images_and_labels(path): image_paths = [os.path.join(path,f) for f in os.listdir(path)] #新建連個list用于存放 face_samples = [] ids = [] #遍歷圖片路徑，導(dǎo)入圖片和id添加到list中 for image_path in image_paths: #通過圖片路徑將其轉(zhuǎn)換為灰度圖片 img = Image.open(image_path).convert('L') #將圖片轉(zhuǎn)化為數(shù)組 img_np = np.array(img,'uint8') if os.path.split(image_path)[-1].split(".")[-1] != 'jpg': continue #為了獲取id，將圖片和路徑分裂并獲取 id = int(os.path.split(image_path)[-1].split(".")[1]) faces = detector.detectMultiScale(img_np) #將獲取的圖片和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 #調(diào)用函數(shù)并將數(shù)據(jù)喂給識別器訓(xùn)練 print('Training...') faces,ids = get_images_and_labels(path) #訓(xùn)練模型 recog.train(faces,np.array(ids)) #保存模型 recog.save('trainner/trainner.yml')

這就讓電腦認識到你是與眾不同的那顆星~TU1少兒編程網(wǎng)-https://www.pxcodes.com

3. 識別TU1少兒編程網(wǎng)-https://www.pxcodes.com

檢測，校驗，輸出其實都是識別的這一過程，與前兩個過程不同，這是涉及實際使用的過程，所以我們把他整合放在一個統(tǒng)一的一個文件內(nèi)。TU1少兒編程網(wǎng)-https://www.pxcodes.com

#-----檢測、校驗并輸出結(jié)果----- import cv2 #準(zhǔn)備好識別方法 recognizer = cv2.face.LBPHFaceRecognizer_create() #使用之前訓(xùn)練好的模型 recognizer.read('trainner/trainner.yml') #再次調(diào)用人臉分類器 cascade_path = "haarcascade_frontalface_default.xml" face_cascade = cv2.CascadeClassifier(cascade_path) #加載一個字體，用于識別后，在圖片上標(biāo)注出對象的名字 font = cv2.FONT_HERSHEY_SIMPLEX idnum = 0 #設(shè)置好與ID號碼對應(yīng)的用戶名，如下，如0對應(yīng)的就是初始 names = ['初始','admin','user1','user2','user3'] #調(diào)用攝像頭 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) #識別人臉 faces = face_cascade.detectMultiScale( gray, scaleFactor = 1.2, minNeighbors = 5, minSize = (int(minW),int(minH)) ) #進行校驗 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]) #計算出一個檢驗結(jié)果 if confidence < 100: idum = names[idnum] confidence = "{0}%",format(round(100-confidence)) else: idum = "unknown" confidence = "{0}%",format(round(100-confidence)) #輸出檢驗結(jié)果以及用戶名 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) #展示結(jié)果 cv2.imshow('camera',img) k = cv2.waitKey(20) if k == 27: break #釋放資源 cam.release() cv2.destroyAllWindows()

現(xiàn)在，你的電腦就能識別出你來啦！TU1少兒編程網(wǎng)-https://www.pxcodes.com

通過其他組合也可以實現(xiàn)開機檢測等多種功能，你學(xué)會了嗎？TU1少兒編程網(wǎng)-https://www.pxcodes.com

下面是博主審稿時的測試結(jié)果以及出現(xiàn)的一些問題哦~希望對大家有幫助（呲牙.jpg）TU1少兒編程網(wǎng)-https://www.pxcodes.com

測試結(jié)果：TU1少兒編程網(wǎng)-https://www.pxcodes.com

TU1少兒編程網(wǎng)-https://www.pxcodes.com

TU1少兒編程網(wǎng)-https://www.pxcodes.com

博主審稿測試過程中出現(xiàn)的問題： TU1少兒編程網(wǎng)-https://www.pxcodes.com

（1）版本問題TU1少兒編程網(wǎng)-https://www.pxcodes.com

解決方法：經(jīng)過博主無數(shù)次的失敗，提示大家**好安裝python2.7，可以直接使用 pip install numpy 以及pip install opencv-python安裝numpy 以及對應(yīng)python版本的opencvTU1少兒編程網(wǎng)-https://www.pxcodes.com

（如果使用的是Anaconda2，pip相關(guān)命令可在開始菜單Anaconda2文件夾下的Anaconda Prompt中輸入）TU1少兒編程網(wǎng)-https://www.pxcodes.com

點擊推文中給出的鏈接，將github中的文件下載后放至編譯文件所在的文件夾下，并更改代碼中的相關(guān)目錄TU1少兒編程網(wǎng)-https://www.pxcodes.com

（2）如果提示“module' object has no attribute 'face'”TU1少兒編程網(wǎng)-https://www.pxcodes.com

解決方法：可以輸入 pip install opencv-contrib-python解決，如果提示需要commission，可以在后面加上 --user,即 pip install opencv-contrib-python --userTU1少兒編程網(wǎng)-https://www.pxcodes.com

如有其它問題歡迎大家隨時聯(lián)系博主呀~~~TU1少兒編程網(wǎng)-https://www.pxcodes.com

大量免費學(xué)習(xí)推薦，敬請訪問python教程(視頻)TU1少兒編程網(wǎng)-https://www.pxcodes.com

以上就是學(xué)習(xí)用Python實現(xiàn)簡單的人臉識別的詳細內(nèi)容，更多請關(guān)注少兒編程網(wǎng)其它相關(guān)文章！TU1少兒編程網(wǎng)-https://www.pxcodes.com