基于opencv的人脸识别（适合初学者）

简单易懂的人脸识别，学不会直接跪倒！

一、人脸识别步骤

 二、直接上代码

（1）录入人脸.py

import cv2


face_name = 'cjw'  # 该人脸的名字


# 加载OpenCV人脸检测分类器
face_cascade = cv2.CascadeClassifier("D:/BaiduNetdiskDownload/python/opencv/opencv-4.5.1/"
                                     "data/haarcascades/haarcascade_frontalface_default.xml")
recognizer = cv2.face.LBPHFaceRecognizer_create()  # 准备好识别方法LBPH方法


camera = cv2.VideoCapture(0)  # 0:开启摄像头
success, img = camera.read()  # 从摄像头读取照片
W_size = 0.1 * camera.get(3)  # 在视频流的帧的宽度
H_size = 0.1 * camera.get(4)  # 在视频流的帧的高度


def get_face():
    print("正在从摄像头录入新人脸信息 \n")
    picture_num = 0  # 设置录入照片的初始值
    while True:  # 从摄像头读取图片
        global success  # 设置全局变量
        global img  # 设置全局变量
        ret, frame = camera.read()  # 获得摄像头读取到的数据(ret为返回值,frame为视频中的每一帧)
        if ret is True:
            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  # 转为灰度图片
        else:
            break

        face_detector = face_cascade  # 记录摄像头记录的每一帧的数据，让Classifier判断人脸
        faces = face_detector.detectMultiScale(gray, 1.3, 5)  # gray是要灰度图像，1.3为每次图像尺寸减小的比例，5为minNeighbors

        for (x, y, w, h) in faces:  # 制造一个矩形框选人脸(xy为左上角的坐标,w为宽，h为高)
            cv2.rectangle(frame, (x, y), (x + w, y + w), (255, 0, 0))
            picture_num += 1  # 照片数加一
            t = face_name
            cv2.imwrite("./data/1." + str(t) + '.' + str(picture_num) + '.jpg', gray[y:y + h, x:x + w])
            # 保存图像，将脸部的特征转化为二维数组，保存在data文件夹内
        maximums_picture = 13  # 设置摄像头拍摄照片的数量的上限
        if picture_num > maximums_picture:
            break
        cv2.waitKey(1)


get_face()

注意：加载分类器的文件地址；cv2.imwrite：保存图片的路径

（2）数据训练.py        

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


def getlable(path):
    facesamples = []  # 储存人脸数据(该数据为二位数组)
    ids = []  # 储存星门数据
    imagepaths = [os.path.join(path, f) for f in os.listdir(path)]  # 储存图片信息
    face_detector = cv2.CascadeClassifier('D:/BaiduNetdiskDownload/python/opencv/opencv-4.5.1/data/haarcascades/'
                                          'haarcascade_frontalface_alt2.xml')  # 加载分类器
    print('数据排列：', imagepaths)  # 打印数组imagepaths
    for imagePath in imagepaths:  # 遍历列表中的图片
        pil_img = Image.open(imagePath).convert('L')
        # 打开图片，灰度化，PIL的两种不同模式：
        # (1)1(黑白，有像素的地方为1，无像素的地方为0)
        # (2)L(灰度图像，把每个像素点变成0~255的数值，颜色越深值越大)
        img_numpy = np.array(pil_img, 'uint8')  # 将图像转化为数组
        faces = face_detector.detectMultiScale(img_numpy)  # 获取人脸特征
        id = int(os.path.split(imagePath)[1].split('.')[0])  # 获取每张图片的id和姓名
        for x, y, w, h in faces:  # 预防无面容照片
            ids.append(id)
            facesamples.append(img_numpy[y:y+h, x:x+w])
        # 打印脸部特征和id
        print('id:', id)
    print('fs:', facesamples)
    return facesamples, ids


if __name__ == '__main__':
    path = 'D:/BaiduNetdiskDownload/python/opencv/pythonProject/face1/data'  # 图片路径
    faces, ids = getlable(path)  # 获取图像数组和id标签数组和姓名
    recognizer = cv2.face.LBPHFaceRecognizer_create()  # 获取训练对象
    recognizer.train(faces, np.array(ids))
    recognizer.write('trainer/trainer.yml')   # 保存生成的人脸特征数据文件

（3） 进行识别.py

import cv2
import os


# 加载训练数据集文件
recogizer = cv2.face.LBPHFaceRecognizer_create()
recogizer.read('trainer/trainer.yml')  # 获取脸部特征数据文件
names = []
warningtime = 0


def face_detect_demo(img):
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转换为灰度图像
    face_detector = cv2.CascadeClassifier('D:/BaiduNetdiskDownload/python/opencv/opencv-4.5.1/'
                                          'data/haarcascades/haarcascade_frontalface_default.xml')  # 加载分类器
    face = face_detector.detectMultiScale(gray, 1.3, 5, cv2.CASCADE_SCALE_IMAGE, (100, 100), (300, 300))
    # 进行识别，把整张人脸部分框起来
    for x, y, w, h in face:
        cv2.rectangle(img, (x, y), (x+w, y+h), color=(0, 0, 255), thickness=2)  # 矩形
        cv2.circle(img, center=(x+w//2, y+h//2), radius=w//2, color=(0, 255, 0), thickness=1)  # 圆形
        ids, confidence = recogizer.predict(gray[y:y + h, x:x + w])  # 进行预测、评分
        if confidence > 80:
            global warningtime
            warningtime += 1
            if warningtime > 100:  # 警报达到一定次数，说明不是这个人
                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)
            # 把姓名打到人脸的框图上
    cv2.imshow('result', img)
    # print('bug:',ids)


def name():
    path = 'D:/BaiduNetdiskDownload/python/opencv/pythonProject/face1/data'
    imagepaths = [os.path.join(path, f) for f in os.listdir(path)]
    for imagePath in imagepaths:
        name1 = str(os.path.split(imagePath)[1].split('.', 2)[1])
        names.append(name1)


cap = cv2.VideoCapture('3.mp4')
name()
while True:
    flag, frame = cap.read()  # 获得摄像头读取到的数据(flag为返回值,frame为视频中的每一帧)
    if not flag:
        break
    face_detect_demo(frame)
    if ord(' ') == cv2.waitKey(10):  # 按空格，退出
        break
cv2.destroyAllWindows()
cap.release()
# print(names)

三、运行过程及结果

1、获取人脸照片于目标文件中

2、进行数据训练，获得trainer.yml文件中的数据

 

 3.进行识别