最新公告
  • 欢迎您光临网站无忧模板网,本站秉承服务宗旨 履行“站长”责任,销售只是起点 服务永无止境!立即加入钻石VIP
  • 学习用Python实现简单的人脸识别

    正文概述 六哥   2021-03-22   69

    前言

    让我的电脑认识我,我的电脑只有认识我,才配称之为我的电脑!

    今天,我们用Python实现简单的人脸识别技术!

    Python里,简单的人脸识别有很多种方法可以实现,依赖于python胶水语言的特性,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。

    (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进行的步骤:

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

    ps: 博主的宝贝来源已经放在下面链接里啦~

    推荐:GitHub项目

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

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

    · CV2(Opencv):图像识别,摄像头调用

    · os:文件操作

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

    · PIL:Python Imaging Library,Python平台事实上图像处理的标准库

    二、接下来

    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,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'X:/Users/73950/Desktop/FaceRec/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("data/User."+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q键退出摄像
        k = cv2.waitKey(1)        
        if k == '27':
            break        
            #或者得到800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 >= 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')

    这就让电脑认识到你是与众不同的那颗星~

    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()

    现在,你的电脑就能识别出你来啦!

    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:

    上图为转换为灰度图片之后保存在data目录下的照片

    成功识别出小编的星星脸(呲牙.jpg)

    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)

    以上就是学习用Python实现简单的人脸识别的详细内容,更多请关注网站无忧资源网其它相关文章!


    网站无忧 » 学习用Python实现简单的人脸识别

    常见问题FAQ

    免费下载或者VIP会员专享资源能否直接商用?
    本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。
    提示下载完但解压或打开不了?
    最常见的情况是下载不完整: 可对比下载完压缩包的与网盘上的容量,若小于网盘提示的容量则是这个原因。这是浏览器下载的bug,建议用百度网盘软件或迅雷下载。若排除这种情况,可在对应资源底部留言,或 联络我们.。
    找不到素材资源介绍文章里的示例图片?
    对于PPT,KEY,Mockups,APP,网页模版等类型的素材,文章内用于介绍的图片通常并不包含在对应可供下载素材包内。这些相关商业图片需另外购买,且本站不负责(也没有办法)找到出处。 同样地一些字体文件也是这种情况,但部分素材会在素材包内有一份字体下载链接清单。
    模板不会安装或需要功能定制以及二次开发?
    请QQ联系我们

    发表评论

    如需帝国cms功能定制以及二次开发请联系我们

    联系作者

    发表评论

    如需帝国cms功能定制以及二次开发请联系我们

    联系作者
    升级SVIP尊享更多特权立即升级