python小项目人脸识别（一点小小的了解）

最近刷题有点累想做个小东西玩下（手动狗头）借用的是opencv的分类器别骂我，我只是自己玩

目录 opencv的配置：  读取图片  灰度转换 尺寸修改  绘制矩形  人脸检测  检测多个  视频检测  信息录入  数据训练  人脸识别 GUI界面化(完整代码)：  代码打包

python就不配置了这东西应该都有

opencv的配置：

1. 按win+R 输入cmd
2. 
3. 
4. 在这个里面输入pip install opencv-python
5. 点击opencv官网
6. 
7. 选择release
8. 
9. 下载就好了

 读取图片

#导入cv模块
import cv2 as cv
#读取图片
img=cv.imread('face1.jpg')
#显示图片
cv.imshow('read_img',img)
#等待
cv.waitKey(0)
#释放内存
cv.destroyAllWindows()

 

这个face1.jpg是我自己给文件取的名字你们也可以自己命名 

 灰度转换

#导入cv模块
import cv2 as cv
#读取图片
img=cv.imread('face2.jpg')
#灰度转换
gray_img=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
#显示灰度
cv.imshow('gray',gray_img)
#保存灰度
cv.imwrite('gray_face2.jpg',gray_img)
#显示图片
cv.imshow('read_img',img)
#等待
cv.waitKey(0)
#释放内存
cv.destroyAllWindows()

 效果实现：

尺寸修改

#导入cv模块
import cv2 as cv
#读取图片
img=cv.imread('face2.jpg')
#修改尺寸
resize_img=cv.resize(img,dsize=(200,200))
#显示原图
cv.imshow('img',img)
#显示修改后的图片
cv.imshow('resize_img',resize_img)
#打印原图大小
print('未修改',img.shape)
#打印修改后的原图大小
print('修改后',resize_img.shape)
#等待
cv.waitKey(0)
#释放内存
cv.destroyAllWindows()

 效果实现

 改下等待将等待改成接收到输入空格退出

#导入cv模块
import cv2 as cv
#读取图片
img=cv.imread('face2.jpg')
#修改尺寸
resize_img=cv.resize(img,dsize=(200,200))
#显示原图
cv.imshow('cat',img)
#显示修改后的图片
cv.imshow('resize_cat',resize_img)
#打印原图大小
print('未修改',img.shape)
#打印修改后的原图大小
print('修改后',resize_img.shape)
#等待
while True:
    if ord(' ')==cv.waitKey(0):
        break
#释放内存
cv.destroyAllWindows()

 绘制矩形 

#导入cv模块
import cv2 as cv
#读取图片
img=cv.imread('face2.jpg')
#坐标
x,y,w,h=100,100,100,100
#绘制矩形
cv.rectangle(img,(x,y,x+w,y+h),color=(0,0,255),thickness=1)#图片  起始点  长宽  颜色  宽度
#绘制圆形
cv.circle(img,center=(x+w,y+h),radius=100,color=(255,0,0),thickness=5)
#图片  圆心  半径  颜色（blue,green,red）  宽度
#显示
cv.imshow('cat',img)
#等待
while True:
    if ord(' ')==cv.waitKey(0):
        break
#释放内存
cv.destroyAllWindows()

效果实现： 

人脸检测 

face_dete.detectMultiScale（）

这个函数的参数是  图像   缩放倍数   检测次数   默认  人脸的最大最小的像素点

#导入cv模块
import cv2 as cv
#检测函数
def face_dete_demo():
    gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    face_dete=cv.CascadeClassifier("D:\opencv\opencv\sources\data\haarcascades\haarcascade_frontalface_alt2.xml")
    face=face_dete.detectMultiScale(gray,1.01,5,0,(100,100),(300,300))#限制人脸的大小在100*100的像素点到300*300像素点
    for x,y,w,h in face:
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
    cv.imshow('result',img)
#读取图片
img=cv.imread('face2.jpg')
face_dete_demo()
#等待
while True:
    if ord(' ')==cv.waitKey(0):
        break
#释放内存
cv.destroyAllWindows()

效果如下： 

检测多个

换了两个分类器都做不到100%

#导入cv模块
import cv2 as cv
#检测函数
def face_dete_demo():
    gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    face_dete=cv.CascadeClassifier("D:\opencv\opencv\sources\data\haarcascades\haarcascade_frontalface_default.xml")
    face=face_dete.detectMultiScale(gray,1.10,5,0,(10,10),(50,50))
    for x,y,w,h in face:
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
    cv.imshow('result',img)
#读取图片
img=cv.imread('face3.jpg')
face_dete_demo()
#等待
while True:
    if ord(' ')==cv.waitKey(0):
        break
#释放内存
cv.destroyAllWindows()

效果如下： 

 视频检测

#导入cv模块
import cv2 as cv
#检测函数
def face_dete_demo(img):
    gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    face_dete=cv.CascadeClassifier("D:\opencv\opencv\sources\data\haarcascades\haarcascade_frontalface_alt2.xml")
    face=face_dete.detectMultiScale(gray,1.01,5,0,(100,100),(300,300))
    for x,y,w,h in face:
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
    cv.imshow('result',img)
#读取摄像头
cap=cv.VideoCapture(0)#默认摄像头
#等待
while True:
    flag,frame=cap.read()#读取摄像头
    if not flag:
        break 
    face_dete_demo(frame)
    if ord(' ')==cv.waitKey(0):
        break
#释放内存
cap.release()

效果：这波为了代码献身(手动狗头)

 识别视屏也可代码如下

#导入cv模块
import cv2 as cv
#检测函数
def face_dete_demo(img):
    gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    face_dete=cv.CascadeClassifier("D:\opencv\opencv\sources\data\haarcascades\haarcascade_frontalface_alt2.xml")
    face=face_dete.detectMultiScale(gray,1.01,5,0,(100,100),(300,300))
    for x,y,w,h in face:
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
    cv.imshow('result',img)
#读取摄像头
cap=cv.VideoCapture('vedio1.mp4')#我在这个文件夹里放了一个视屏
#等待
while True:
    flag,frame=cap.read()#读取摄像头
    if not flag:
        break
    face_dete_demo(frame)
    if ord(' ')==cv.waitKey(1)://这个要改成1跳动如果是0的话就成无限等待了
        break
#释放内存
cap.release()

 信息录入

#倒入模块
import cv2
#摄像头
cap=cv2.VideoCapture(0)
flag=1
num=1
while(cap.isOpened()):#检测摄像头是否开启
    ret_flag,Vshow=cap.read()#得到每帧图像
    cv2.imshow("Capture_Test",Vshow)#显示图像
    k=cv2.waitKey(1) & 0xFF#压下按键判断
    if k==ord(' '):
        cv2.imwrite("D:/vedio/"+str(num)+".yushiqi"+".jpg",Vshow)#把这个图像压倒这个路径里面
        print("success to save"+str(num)+"jpg")#保存成功
        print("------------")
        num+=1
    elif k==ord('q'):
        break;
#释放摄像头
cap.release()
#释放内存
cv2.destroyAllWindows()

效果实现（我把摄像头遮住了）

 数据训练

我在这一步时遇到了一个问题就是他总是报错说

ValueError: invalid literal for int() with base 10: 'name' 

然后我就特别疑惑经过不断查找信息最终发现有可能是图片命名格式的问题

具体原因我也不是很清楚只要把图片命名为   数字.name.jpg   就可以

我也很疑惑

import os
import cv2
import sys
from PIL import Image
import numpy as np


def getImageAndLabels(path):
    #保存人脸数据
    facesSamples = []
    #保存姓名数据
    ids = []
    #保存图片信息
    imagePaths = [os.path.join(path, f) for f in os.listdir(path)]
    # 加载分类器
    face_detector = cv2.CascadeClassifier("D:\opencv\opencv\sources\data\haarcascades\haarcascade_frontalface_alt2.xml")
    # 遍历列表中的图片
    for imagePath in imagePaths:
        # 打开图片,灰度化PIL有九种不同格式
        PIL_img = Image.open(imagePath).convert('L')
        # 将图像转换为数组，以黑白深浅
        img_numpy = np.array(PIL_img, 'uint8')
        # 获取图片人脸特征
        faces = face_detector.detectMultiScale(img_numpy)
        # 获取每张图片的id和姓名
        id =int( os.path.split(imagePath)[1].split('.')[0])
        # 预防无面容照片
        for x, y, w, h in faces:
            ids.append(id)
            facesSamples.append(img_numpy[y:y + h, x:x + w])

    # 打印脸部特征和id
    print('id:', id)
    print('fs:', facesSamples)
    return facesSamples, ids


if __name__ == '__main__':
    # 图片路径
    path = './data/jm/'
    # 获取图像数组和id标签数组和姓名
    faces, ids = getImageAndLabels(path)
    # 获取训练对象
    recognizer = cv2.face.LBPHFaceRecognizer_create()
    #训练
    recognizer.train(faces, np.array(ids))
    # 保存文件
    recognizer.write("D:/trainer/trainer.yml")

效果实现：

 人脸识别

就是注意图片格式

以及你的视屏的格式

import cv2
import numpy as np
import os
# coding=utf-8
import urllib
import urllib.request
import hashlib

#加载训练数据集文件
recogizer=cv2.face.LBPHFaceRecognizer_create()
recogizer.read("D:/trainer/trainer.yml")
names=[]
warningtime = 0

def md5(str):
    import hashlib
    m = hashlib.md5()
    m.update(str.encode("utf8"))
    return m.hexdigest()

statusStr = {
    '0': '短信发送成功',
    '-1': '参数不全',
    '-2': '服务器空间不支持,请确认支持curl或者fsocket,联系您的空间商解决或者更换空间',
    '30': '密码错误',
    '40': '账号不存在',
    '41': '余额不足',
    '42': '账户已过期',
    '43': 'IP地址限制',
    '50': '内容含有敏感词'
}


def warning():
    smsapi = "http://api.smsbao.com/"
    # 短信平台账号
    user = '17513079091'
    # 短信平台密码
    password = md5('yushiqi169091')
    # 要发送的短信内容
    content = '【报警】\n原因：检测到未知人员\n地点：xxx'
    # 要发送短信的手机号码
    phone = '17513079091'

    data = urllib.parse.urlencode({'u': user, 'p': password, 'm': phone, 'c': content})
    send_url = smsapi + 'sms?' + data
    response = urllib.request.urlopen(send_url)
    the_page = response.read().decode('utf-8')
    print(statusStr[the_page])

#准备识别的图片
def face_detect_demo(img):
    gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转换为灰度
    face_detector=cv2.CascadeClassifier('D:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')
    face=face_detector.detectMultiScale(gray,1.1,5,cv2.CASCADE_SCALE_IMAGE,(100,100),(300,300))
    #face=face_detector.detectMultiScale(gray)
    for x,y,w,h in face:
        cv2.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
        cv2.circle(img,center=(x+w//2,y+h//2),radius=w//2,color=(0,255,0),thickness=1)
        # 人脸识别
        ids, confidence = recogizer.predict(gray[y:y + h, x:x + w])
        #print('标签id:',ids,'置信评分：', confidence)
        if confidence > 80:
            global warningtime
            warningtime += 1
            if warningtime > 100:
               warning()
               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)
    cv2.imshow('result',img)
    #print('bug:',ids)

def name():
    path = "D:/vedio/Tara"
    #names = []
    imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
    for imagePath in imagePaths:
       name = str(os.path.split(imagePath)[1].split('.',2)[1])
       names.append(name)


cap=cv2.VideoCapture("D:/vedio/vedio1.mp4")
name()
while True:
    flag,frame=cap.read()
    if not flag:
        break
    face_detect_demo(frame)
    if ord(' ') == cv2.waitKey(1):
        break
cv2.destroyAllWindows()
cap.release()
#print(names)

效果实现

我自己合并了两个视频效果实现了下

GUI界面化(完整代码)：

稍微有点匆忙大家理解下等寒假在慢慢优化

from tkinter import *
from tkinter import messagebox
import cv2
import sys
import numpy as np
import os
from PIL import Image
import numpy as np
# 创建窗口：实例化一个窗口对象。
root = Tk()
#窗口大小

root.geometry("600x450+374+182")
#x代表*  宽乘高
#窗口标题
root.title("人脸识别")
# #添加标签控件
label=Label(root,text="录入数据按三次空格"
                      " 录入完成按1 识别完成按3",font=("楷体",20),fg="red")
#定位
label.grid(row=0,column=0)
# 添加输入框并定位
#放在第一行第二列的位置
def func1():
    def mkdir(path):
        # 判断目录是否存在
        # 存在：True
        # 不存在：False
        folder = os.path.exists(path)

        # 判断结果
        if not folder:
            # 如果不存在，则创建新目录
            os.makedirs(path)
            print('-----创建成功-----')

        else:
            # 如果目录已存在，则不创建，提示目录已存在
            print(path + '目录已存在')

    path = "D:/information/"
    mkdir(path)
    cap=cv2.VideoCapture(0)
    flag=1
    num=1
    while(cap.isOpened()):#检测摄像头是否开启
        ret_flag,Vshow=cap.read()#得到每帧图像
        cv2.imshow("Capture_Test",Vshow)#显示图像
        k=cv2.waitKey(1) & 0xFF#压下按键判断
        if k==ord(' '):
            cv2.imwrite("D:/information/"+str(num)+"."+str(entry.get())+".jpg",Vshow)#把这个图像压倒这个路径里面
            print("success to save"+str(num)+"jpg")#保存成功
            print("------------")
            num+=1
        elif k==ord('1'):
            break;
#释放摄像头
    cap.release()
#释放内存
    cv2.destroyAllWindows()
def func2():
    def mkdir(path):
        # 判断目录是否存在
        # 存在：True
        # 不存在：False
        folder = os.path.exists(path)

        # 判断结果
        if not folder:
            # 如果不存在，则创建新目录
            os.makedirs(path)
            print('-----创建成功-----')

        else:
            # 如果目录已存在，则不创建，提示目录已存在
            print(path + '目录已存在')

    path = "D:/trainer/"
    mkdir(path)
    def getImageAndLabels(path):
        # 保存人脸数据
        facesSamples = []
        # 保存姓名数据
        ids = []
        # 保存图片信息
        imagePaths = [os.path.join(path, f) for f in os.listdir(path)]
        # 加载分类器
        face_detector = cv2.CascadeClassifier(
            "D:\opencv\opencv\sources\data\haarcascades\haarcascade_frontalface_alt2.xml")
        # 遍历列表中的图片
        for imagePath in imagePaths:
            # 打开图片,灰度化PIL有九种不同格式
            PIL_img = Image.open(imagePath).convert('L')
            # 将图像转换为数组，以黑白深浅
            img_numpy = np.array(PIL_img, 'uint8')
            # 获取图片人脸特征
            faces = face_detector.detectMultiScale(img_numpy)
            # 获取每张图片的id和姓名
            id = int(os.path.split(imagePath)[1].split('.')[0])
            # 预防无面容照片
            for x, y, w, h in faces:
                ids.append(id)
                facesSamples.append(img_numpy[y:y + h, x:x + w])

        # 打印脸部特征和id
        print('id:', id)
        print('fs:', facesSamples)
        return facesSamples, ids


    if __name__ == '__main__':
    # 图片路径
        path = "D:/information/"
    # 获取图像数组和id标签数组和姓名
        faces, ids = getImageAndLabels(path)
    # 获取训练对象
        recognizer = cv2.face.LBPHFaceRecognizer_create()
    # 训练
        recognizer.train(faces, np.array(ids))
    # 保存文件
        recognizer.write("D:/trainer/trainer2.yml")
def func3():
    recogizer = cv2.face.LBPHFaceRecognizer_create()
    recogizer.read("D:/trainer/trainer2.yml")
    names = []
    warningtime = 0
    def md5(str):
        import hashlib
        m = hashlib.md5()
        m.update(str.encode("utf8"))
        return m.hexdigest()
# 准备识别的图片
    def face_detect_demo(img):
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转换为灰度
        face_detector = cv2.CascadeClassifier('D:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')
        face = face_detector.detectMultiScale(gray, 1.1, 5, cv2.CASCADE_SCALE_IMAGE, (100, 100), (300, 300))
        # face=face_detector.detectMultiScale(gray)
        for x, y, w, h in face:
            cv2.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)
            cv2.circle(img, center=(x + w // 2, y + h // 2), radius=w // 2, color=(0, 255, 0), thickness=1)
        # 人脸识别
            ids, confidence = recogizer.predict(gray[y:y + h, x:x + w])
        # print('标签id:',ids,'置信评分：', confidence)
            if confidence > 80:
                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)
        cv2.imshow('result', img)
    # print('bug:',ids)
    def name():
        path = "D:/information/"
        # names = []
        imagePaths = [os.path.join(path, f) for f in os.listdir(path)]
        for imagePath in imagePaths:
            name = str(os.path.split(imagePath)[1].split('.', 2)[1])
            names.append(name)
    cap = cv2.VideoCapture(0)
    name()
    while True:
        flag, frame = cap.read()
        if not flag:
            break
        face_detect_demo(frame)
        if ord('3') == cv2.waitKey(1):
            break
    cv2.destroyAllWindows()
    cap.release()
label=Label(root,text="请输入姓名，只可输入英文",font=("楷体",10),fg="red")
#定位
label.grid(row=1,column=0)
entry=Entry(root,font=("宋体",25),fg="blue")
entry.grid(row=2,column=0)

#添加点击按钮
button=Button(root,text="信息录入",font=("楷体",25),fg="blue",command=func1)
button.grid(row=3,column=0)
button=Button(root,text="分析数据",font=("楷体",25),fg="blue",command=func2)
button.grid(row=4,column=0)
button=Button(root,text="开始识别",font=("楷体",25),fg="blue",command=func3)
button.grid(row=5,column=0)
# 显示窗口
root.mainloop()

效果实现：

 代码打包

等我回头再好好想想