使用Python-Opencv实现人脸识别功能

使用Python-Opencv实现人脸识别功能

相关文档

• Python-cv2用法
• 此文档介绍的Opencv项目地址
• OpenCV-Face-Recognition-文章
• OpenCV-Face-Recognition-GitHub
• 基于Python3.7和opencv的人脸识别

项目简介

1. 之前写的一个测试程序使用上面的OpenCV-Face-Recognition文章代码可以实现人脸识别功能
2. 自创建PythonPro这个多项目目录后，一直想着把这个功能加进来
3. 正好赶上现在不忙同时能力提高到可以重构之前写的程序，所以就重构了之前的代码
4. 加入刚接触的PyWebIO库为功能添加界面，做成一个应用

实际效果

实现过程

1. 主要有两个过程：人脸数据收集、人脸模型训练

2. 有了上面两个过程就可以使用人脸识别程序进行识别

3. 所有人脸识别功能都是使用OpenCV库以及文章代码实现

4. 在原有人脸识别代码基础上进行优化，包括：

   整体数据统一：CascadeClassifier加载的文件路径、人脸图片保存路径、训练文件保存路径统一使用Config类里面的属性

   人脸数据采集优化：保存图片过程增加等待时间(用户可以变换脸部姿势),增加提示信息。对保存的图片增加face_name标识人脸信息，face_id更方便理解使用。保存后的图片名称为：face_name.face_id.num.jpg

   人脸训练过程优化：直接将上面的人脸图片数据及face_id对应并进行训练

   人脸识别过程优化：在Config类里面可以get_face_dict方法可以得到{face_id:face_name}字典，将识别结果的face_id就可以转换成face_name标识

5. 使用PyWebIO作为应用界面之后,里面的一些优秀代码

   给scope添加style样式，上个项目没有找到这个put_html()方法添加""")

   实现类似js里面的setTimeOut()功能，一定时间后执行相关逻辑而不影响主进程功能

   # 1.实现一定时间后隐藏loading框，而不影响主进程的执行
   timer = threading.Timer(timeout, self.hide_loading)
   timer.start()
   # 2.实现一定时间后追加【text】文本到页面，而不影响主进程的执行
   def put_text_delay(self, text, timeout=2):
       timer = threading.Timer(timeout, self.put_text, [text])
       timer.start()
   

   关于numpy.ndarray的理解

   是对多维数组的封装，在图像数据操作过程中更方便使用。例如可以直接获取数组的维度。。。
   

项目中具体实现

直接运行【demo】目录下的main.py程序即可查看效果。

• 使用PyWebIO的input_group方法阻塞进程，来获取用户输入的face_name和face_num值以及点击开始收集数据的监听，执行人脸数据采集程序。

  coll_info = input_group('第一步：采集人脸数据', [                                                                  
      input('face_name', type=TEXT, name='face_name', required=True, placeholder="请输入人脸名称，请使用英文标识"),       
      input('face_num', type=NUMBER, name='face_num', required=True, placeholder="请输入采集人脸数量", value=5),    
      actions('action', [                                     
          {'label': '开始采集', 'value': 'start'}                                                              
      ], name='action', help_text='actions'),                                                              
  ])
  if coll_info['action'] == 'start':                             
      self.collect(coll_info['face_num'], coll_info['face_name'])
      confirm = actions('第二步：人脸数据训练', ['开始训练'], help_text='训练人脸数据')                                                                                       
  

• 使用PyWebIO的actions方法阻塞进程，实现用户点击开始训练数据、开始人脸识别的监听，执行相应的程序。

  confirm = actions('第二步：人脸数据训练', ['开始训练'], help_text='训练人脸数据')
  if confirm == '开始训练':
      self.training()
  

• 使用put_text_delay方法延迟添加文本到界面实现程序执行中的效果

  self.put_text_delay("正在打开电脑相机，请稍后>>>")
  

• 使用show_loading方法显示loading提示框并在一定时候后隐藏，实现加载视频窗口效果

  def show_loading(self, timeout=5):
      print('show_loading------------')
      with use_scope('loading'):
          put_loading(color="primary")
          put_text("加载中...")
          put_html("""""")
      timer = threading.Timer(timeout, self.hide_loading)
      timer.start()
  

• 在采集数据过程中，人脸图片需要一直持续绘制中，这样感觉程序运行稳定不卡。
  但是还要实现图片延迟保存的效果，所以就想到在while循环中加入timer:

  1.在while循环中识别到人脸数量为1的时候保存图片并启动timer，设置time_cache、can_save的值，下次进入判断can_save的值为False不执行保存图片。
  2.在while循环中执行timer，判断当前时间和timer启动时间大于3s就重置time_cache及can_save值
  

  所以保存图片的过程通过timer里面的判断当前时间和time_cache时间差为3s实现，保存过程中持续绘制相机图片，只是提示正在保存图片并等待3s后可以继续保存。

  部分代码：

  def save_user_pictures(self, total_count=10):
      while True:
          # 从摄像头读取图片
          success, img = self.cap.read()
          ...self.draw_rect(img, faces, gray)
              ...self.save_pics(faces, gray)
                  ...self.timer(start=True)
          self.timer()
          cv2.imshow('人脸数据收集', img)
  def timer(self, start=False):
      cur_time = int(time.time())
      print("cur_time", cur_time)
      if self.time_cache and cur_time - self.time_cache >= 3:
          self.time_cache = None
          self.can_save = True
      elif start:
          self.time_cache = cur_time
          self.can_save = False
  

• 使用cv2.putText()方法显示提示文字信息，因为不支持中文文字，所以用英文代替

  cv2.putText(img, "saving {} picture".format(self.pic_count), (conf.h_wid - 50, conf.h_hei),cv2.FONT_HERSHEY_SIMPLEX, 0.8, (208, 2, 27), 1)
  

• 判断点击esc按键或者保存数据等于要保存的图片数量就退出保存人脸图片程序并销毁cv2相关资源

  k = cv2.waitKey(1)
  if k == 27:  # 通过esc键退出摄像
      break
  elif self.pic_count >= total_count:  # 得到1000个样本后退出摄像
      break
  

• 结束人脸数据采集程序后，使用put_image()方法在页面显示人脸图片数据

  put_image(face_img, width='100px')
  

• 用户点击开始训练数据按钮后，执行人脸数据训练相应逻辑

  def training(self):
      self.put_title('第二步：人脸数据训练')
      ...
  

• 用户点击开始人脸识别按钮后，执行人脸识别相应逻辑

  def recognition(self):
      self.put_title('第三步：人脸检测功能')
      ...
  

• 具体人脸数据逻辑:

  在Config类里面定义face_path人脸数据保存路径、train_path训练数据保存路径。提供获取人脸数据方法：get_face_images、获取人脸id-name对应方法get_face_dict。

  数据采集过程中将图片保存到face_path路径下，格式为face_name.face_id.num.jpg

  数据训练过程中face_path下人脸图片数据，根据文件名获取到face_id。通过图片数据和face_id训练人脸数据模型保存到train_path数据模型目录下。

  人脸识别过程中，通过train_path下数据模型数据进行匹配识别，将识别到的face_id转换成face_name显示出来即可。