简单实现人脸识别

基于Opencv实现简单人脸识别

使用场景：日常摄像头实现人脸上班打卡，人脸门卡等

实现方案：使用Python版本3.7【其他版本也可以】，软件Pycharm，Opencv软件库，pip第三方库管理器，opencv-python，opencv-contrib-python等库

具体步骤：

1. 首先安装好实现方案内的库和软件，安装路径尽量为全英文
   这里只展示如何安装Opencv软件库，和opencv-python，opencv-contrib-python等库
   opencv官方站网址：https://opencv.org/
   点击Library下面的Releases

尽量下载最新版

接下来使用pip命令安装两个库

pip install opencv-python

pip install opencv-contrib-python

如果出现问题：

#若之前添加过，先卸载
pip uninstall opencv-python
pip uninstall opencv-contrib-python

#安装
pip install opencv-python==4.6.0.66
pip install opencv-contrib-python==4.6.0.66

2. 写一个拍照保存图片的py小程序，或者用现成的照片取好名字

import cv2

# 摄像头开启
cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)
# cap = cv2.VideoCapture('picture/arti.mp4')
flag = 1
num = 1

while cap.isOpened():  # 检测是否在开启状态

    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  # 按键判断
    if k == ord('s'):  # 按s键保存
        # 图片保存路径可自己设定，取名方式也可以自己拟定
        cv2.imwrite("C:/Users/86183/Desktop/Test/" + str(num) + ".arti" + ".jpg", Vshow)
        print("success to save" + str(num) + ".jpg")
        print("---------------")
        num += 1
    elif k == ord(' '):  # 按空格键退出
        break

# 释放摄像头
cap.release()
# 释放内容
cv2.destroyAllWindows()

3.** 写一个数据训练的py小程序，创建一个文件夹并在文件夹内创建一个.yml文件**

import os.path

import cv2
from PIL import Image
import numpy as np


def getImageAndLabels(path):
    # 存储人脸数据
    facesSamples = []
    # 存储姓名数据
    ids = []
    # 存储图片信息
    imagePaths = [os.path.join(path, f) for f in os.listdir(path)]
    # 加载分类器，需要到前面安装的opencv的库里面去查找对应的xml文件
    face_detector = cv2.CascadeClassifier('E:/opencv/opencv-4.6.0/data/haarcascades/haarcascade_frontalface_alt2.xml')
    # 遍历列表中的图片
    for imagePath in imagePaths:
        # 打开图片，灰度变化 PIL 有九种不同的模式： 1,L,P,RGB,RGBA,CMYK,YCbCr,I,F.
        PIL_img = Image.open(imagePath).convert('L')
        # 将图片转换成数组，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__':
    # 要提取特征的图片路径
    path = 'C:/Users/86183/Desktop/Test/'
    # 获取图片数组和id标签数组和姓名
    faces, ids = getImageAndLabels(path)
    # 加载识别器
    recognizer = cv2.face.LBPHFaceRecognizer_create()
    # 训练
    recognizer.train(faces, np.array(ids))
    # 保存文件
    recognizer.write('trainer/trainer.yml')

4. 最后进行人脸识别程序如下：

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('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 = '13******10'
    # 短信平台密码
    password = md5('*******')
    # 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 = '*******'

    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
    # 加载分类器，需要到前面安装的opencv的库里面去查找对应的xml文件
    face_detector = cv2.CascadeClassifier('E:/opencv/opencv-4.6.0/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():
    # 读取识别人物名称【最好是英文，中文可能出现乱码】
    path = 'data/test'
    # names = []
    imagePaths = [os.path.join(path, f) for f in os.listdir(path)]
    for imagePath in imagePaths:
        # 从图片名称中截器名称
        name = str(os.path.split(imagePath)[1].split('.', 2)[1])
        names.append(name)

# 要识别的视频
cap = cv2.VideoCapture('picture/hcx.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)

5.效果展示

总结：

流程为：配置环境，安装好需要的包——>保存图片——>进行数据训练提取人物特征，将数据保存到.yml文件中——>根据提取出来的人物特征进行视频分析识别人物