获取人脸图片和训练人脸

基于树莓派的人脸识别门禁系统（python+OpenCV+PyQt）

技术难点：

1. 登录界面准确的将数据输入到指定的 QLineEdit上
2. 多线程实现识别人脸、录入人脸和加载进度条
3. 获取人脸图片和训练人脸
4. 实现人脸和姓名一一对应

---

获取人脸图片和训练人脸

---

我这里将获取的人脸照片存放到一个文件夹里面，将训练好的yml文件存放在另一个文件夹下面，如下，Face_data 存放的是人脸照片，Face_training 存放的是训练好的 yml 文件，faceReco.py 就是源码文件了，这三个文件都在同一级目录下。直接使用代码创建存放文件夹和训练文件夹。

1、捕获人脸照片

• 图像处理
• 创建文件夹（满权限创建，否则不能将图片写进文件夹）
• 捕获人脸照片并保存

# 创建目录，将获取的人脸照片放入指定的文件夹
self.file = "./Face_data/"

while(True):
    ret, self.img = self.cap.read()
    # 垂直翻转视频图像
    self.img = cv2.flip(self.img, -1)
    # 灰度化处理
    gray = cv2.cvtColor(self.img, cv2.COLOR_BGR2GRAY)
    faces = faceCascade2.detectMultiScale(gray, 1.3, 5)
    
    # 判断是否存在文件夹如果不存在则创建为文件夹
    self.folder = os.path.exists(self.file)
    if not self.folder:  
        # makedirs 满权限创建文件时如果路径不存在会创建这个路径
        os.makedirs(self.file)  
        os.chmod(self.file,0777)
    
    for (x,y,w,h) in faces:
        cv2.rectangle(self.img, (x,y), (x+w,y+h), (255,0,0), 2)     
        self.count += 1
        # 将捕获的图像保存到指定的文件夹中
        bool = cv2.imwrite(self.file + "/User." + str(self.Edit_ID.text()) + '.' + str(self.count) + ".png", gray[y:y+h,x:x+w])
        
    # 取60张人脸样本，停止录像
    if self.count >= 60: 
        print("OK!")
        break

2、训练人脸

从数据集文件夹中载入训练图片，获取到人脸和id，整理成list并返回，人后调用函数进行训练

• 创建文件夹（满权限创建，否则不能将图片写进文件夹）
• 对捕获的人脸照片进行训练
• 将训练好的数据保存

# 函数获取图像和标签数据
def getImagesAndLabels(path):
    imagePaths = [os.path.join(path,f) for f in os.listdir(path)]     
    faceSamples=[]
    ids = []
    self.progressBar.setProperty("value", 65)
    for imagePath in imagePaths:
        # 转换为灰度
        PIL_img = Image.open(imagePath).convert('L') 
        img_numpy = np.array(PIL_img,'uint8')
        id = int(os.path.split(imagePath)[-1].split(".")[1])

        faces = faceCascade3.detectMultiScale(img_numpy)
        for (x,y,w,h) in faces:
            faceSamples.append(img_numpy[y:y+h,x:x+w])
            ids.append(id)
    return faceSamples,ids
self.progressBar.setProperty("value", 75)
print ("\n [INFO] Training faces. It will take a few seconds. Wait ...")

# 调用函数，传递文件夹路径参数
faces,ids = getImagesAndLabels(self.file)
# 训练人脸
self.recognizer.train(faces, np.array(ids))
self.progressBar.setProperty("value", 85)

# 创建文件夹
self.triningfile = "./Face_training/"
self.folder1 = os.path.exists(self.triningfile)
if not self.folder1:  
    os.makedirs(self.triningfile)  
    os.chmod(self.triningfile,0777)
    
# 将训练好的数据保存到指定文件夹中
self.recognizer.write(self.triningfile + "/trainer.yml")

# 打印经过训练的人脸编号和结束程序
print("\n [INFO] {0} faces trained. Exiting Program".format(len(np.unique(ids))))
self.progressBar.setProperty("value", 100)