Python的人脸识别设计史上最全的教程，手把手教（附源代码）
首先要下载人脸识别模块，win+R后输入cmd在控制台下载
先是读取图片功能
# 导入OpenCV模块
import cv2 as cv
# 读取图片 参数：图片路径（注意：路径中不能有中文，否则图片加载失败
img = cv.imread('pictures/AI.jpeg')
# 显示图片 参数：窗口的名称，所要显示的图片
cv.imshow('AI_img', img)
# 等待键盘输入 单位毫秒 传入0 则就是无限等待
cv.waitKey(0)
# 销毁窗体，释放内存
cv.destroyAllWindows()
图片灰度转换
为什么要用图片灰度转换呢，他会将人脸转变为矩阵，不同的颜色会有1到16个数字对应他不同颜色的深浅
# 导入OpenCV模块
import cv2 as cv
# 读取图片 参数：图片路径（注意：路径中不能有中文，否则图片加载失败
img = cv.imread('pictures/AI.jpeg')
# 显示图片 参数：窗口的名称，所要显示的图片
cv.imshow('AI_img', img)
# 将图片灰度转换 参数：所要转换的图片，指定转换为灰度图
gray_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 显示图片
cv.imshow('gray_AI_img', gray_img)
# 保存图片
cv.imwrite('pictures/gray_AI_img.jpeg', gray_img)
# 等待键盘输入
cv.waitKey(0)
# 销毁窗体，释放内存
cv.destroyAllWindow()
修改图片尺寸
# 导入OpenCV模块
import cv2 as cv
# 读取图片 参数：图片路径（注意：路径中不能有中文，否则图片加载失败
img = cv.imread('pictures/AI.jpeg')
# 显示图片 参数：窗口的名称，所要显示的图片
cv.imshow('AI_img', img)
print('before:', img.shape)
# 修改图片尺寸 参数：所要修改的图片，新尺寸
resize_img = cv.resize(img, dsize=(500,500))
print('after:', resize_img.shape)
# 显示修改好的尺寸图片
cv.imshow('resize_AI_img', resize_img)
# 等待键盘输入
cv.waitKey(0)
# 销毁窗体，释放内存
cv.destroyAllWindow()绘制形状
# 导入OpenCV模块
import cv2 as cv
# 读取图片 参数：图片路径（注意：路径中不能有中文，否则图片加载失败
img = cv.imread('pictures/AI.jpeg')
# 左上角的坐标是（x，y） 矩形的宽度和高度是（w，h）
x,y,w,h = 150,150,150,150
# 绘制矩形
cv.rectangle(img, (x,y,x+w,y+h), color=(0, 255, 255), thickness= 6)
'''
# 圆中心点坐标（x，y） 与半径r
x,y,r = 300,300,150
# 绘制圆 参数：所要绘制的图片，坐标与尺寸，颜色的RGB值，线的粗度
cv.circle(img, center=(x,y), radius=r, color=(0,255,255), thickness=2)
'''
# 显示绘制后的图片
cv.imshow('new_img', img)
# 等待键盘输入
cv.waitKey(0)
# 销毁窗体，释放内存
cv.destroyAllWindow()
单个人脸识别
# 导入OpenCV模块
import cv2 as cv
# 人脸识别的函数
def face_detect_demo(img):
# 将图片转换为灰度图片
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 创建级联分类器，通过该分类器检测人脸 参数：特征数据
face_detector = cv.CascadeClassifier(r'Haar/haarcascade_frontalface_default.xml')
# 检测人脸并返回人脸信息
faces = face_detector.detectMultiScale(gray)
# 遍历人脸信息获取 xX轴坐标 yY轴坐标 w宽度 h高度
for x,y,w,h in faces:
# 通过矩形框出图片人脸部分
cv.rectangle(img , (x , y) , (x+w , y+h) , color=(0 , 255 , 0) , thickness=2)
cv.imshow('result_img' , img)
# 加载图片
img = cv.imread('pictures/face1.jpeg')
# 调用人脸识别函数
face_detect_demo(img)
# 等待键盘输入
cv.waitKey(0)
# 销毁窗体，释放内存
cv.destroyAllWindow()
多个人脸识别
# 导入OpenCV模块
import cv2 as cv
# 人脸识别的函数
def face_detect_demo(img):
# 将图片转换为灰度图片
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 加载特征数据
face_detector = cv.CascadeClassifier(r'Haar/haarcascade_frontalface_default.xml')
# 检测人脸并返回人脸信息
faces = face_detector.detectMultiScale(gray)
for x,y,w,h in faces:
print(x,y,w,h)
cv.rectangle(img, (x,y), (x+w, y+h), color = (0,255,0), thickness=2)
# "/" 表示浮点数出发，返回浮点结果；6/4=1.5
# “//” 表示整数出发，返回不大于结果的一共最大的整数：6//4=1
cv.circle(img, center = (x+w//2, y+h//2), radius = w//2, color=(0,255,0), thickness=2)
# 显示图片
cv.imshow('result', img)
# 加载图片
img = cv.imread('pictures/face3.jpg')
# 调用人脸检测方法
face_detect_demo(img)
# 等待键盘输入
cv.waitKey(0)
# 销毁窗体，释放内存
cv.destroyAllWindow()
检测摄像头中的人脸
import cv2 as cv
def face_detect_demo(img):
gary = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
face_detect = cv.CascadeClassifier(r'Haar/haarcascade_frontalface_default.xml')
face = face_detect.detectMultiScale(gary)
for x, y, w, h in face:
cv.rectangle(img, (x, y), (x + w, y + h), color=(0,0,255), thickness=2)
# 水平镜像翻转,cv.图片(图片，轴) 0：水平轴 1：垂直轴
# img = cv.flip(img, 1)
img = cv.flip(img , 1)
cv.imshow('result', img)
# cv.VideoCapture(摄像头的编号, 打开摄像头的模式)
# 摄像头编号默认从0开始，每多一个摄像头，编号+1，但不绝对
# 如果你写摄像头编号为0时无法打开摄像头，可以试一下1,2,3等编号
# 打开摄像头 参数：对应优先级的摄像头，指定为打开
# cv.CAP_DSHOW：强制打开摄像头
cap = cv.VideoCapture(0, cv.CAP_DSHOW)
while True:
# 获取检测到的数据（flag是否为人脸特征数据，frame人脸特征数据）
flag,frame = cap.read()
if not flag:
break
face_detect_demo(frame)
# 按键盘Q键退出
if ord('q') == cv.waitKey(1):
break
cv.destroyAllWindows()
cap.release()
# 水平镜像翻转,cv.img(图片，轴) 0：水平轴 1：垂直轴
# img = cv.flip(img, 1)检测视频中的人脸
import cv2 as cv
def face_detect_demo(img):
gary = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
face_detect = cv.CascadeClassifier(r'Haar/haarcascade_frontalface_default.xml')
face = face_detect.detectMultiScale(gary)
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)
cap = cv.VideoCapture('Video/video.mp4')
while True:
# 读取视频中每一帧的画面
# flag为当前帧的画面是否有内容，若没有内容，则表示视频播放完毕
# frame为当前帧画面
flag,frame = cap.read()
if not flag:
break
# 检测当前帧画面的人脸
face_detect_demo(frame)
# 按键盘Q键退出
if ord('q') == cv.waitKey(1):
break
cap.release()
cv.destroyWindow()训练人脸识别模型
# 导入模块
import os
import numpy as np
import cv2 as cv
# 获取实时人脸识别模型的训练集数据
def GetFaceImg_TrainData(path):
# 定义两个容器，存放训练集的数据和结果
# 存放训练图片数据的列表
facesSamples = [] #x_Train=[]
# 存放训练图片数据对应id的列表（以图片名为id）
ids = [] #y_Train=[]
# 再定义一共容器，来存储人脸图片的路径
imagePaths = []
# 遍历传入的路径中的所有的文件，来获得这些文件的路径，存到容器中
for f in os.listdir(path):
# 根据路径跟名称，就能够拼接成文件的完整路径
fPath = os.path.join(path, f)
# 将文件的完整路径存储到容器中去
imagePaths.append(fPath)
# 创建人脸检测器（人脸检测模型）
face_detector = cv.CascadeClassifier('Haar/haarcascade_frontalface_default.xml')
# 遍历指定路径下的所有图片
for imagePath in imagePaths:
# 读取本地图片
img = cv.imread(imagePath)
# 把图片转换为灰度图
PIL_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 把图片转变为像素点矩阵
img_numpy = np.array(PIL_img)
# 检测人脸，并获得人脸信息
faces = face_detector.detectMultiScale(img_numpy)
# 获得当前图片的文件名id
id = int(os.path.split(imagePath)[1].split('.')[0])
# 遍历当前张图片中的所有人脸，存储人脸的数据和结果
for x,y,w,h in faces:
# 从当前图片中把人脸矩阵数据切片出来，并存到容器中去
facesSamples.append(img_numpy[y:y+h, x:x+w])
# 存储当前人脸对应结果
ids.append(id)
# 返回人脸数据，以及结果
return facesSamples, ids
# 建立模型，把模型保存到本地
if __name__ == '__main__':
# 训练集数据与结果
x_Train, y_Train = GetFaceImg_TrainData('mydata2')
# 建立模型
faceModel = cv.face.LBPHFaceRecognizer_create()
# 训练模型
faceModel.train(x_Train, np.array(y_Train))
# 来保存模型本地
faceModel.write('trainer/faceModel.yml')
用模型来识别人脸
# 导入模块
import cv2 as cv
import os
import numpy as np
'''
# 展示刚刚建模后使用data文件夹内的15张图片
fnames = os.listdir('data')
for fname in fnames:
fpath = os.path.join('data' , fname)
img = cv.imread(fpath)
cv.imshow(fname , img)
# 等待按键输入
cv.waitKey(0)
# 关闭所有窗口
cv.destroyAllWindows( )
'''
# 1.创建模型
faceModel = cv.face.LBPHFaceRecognizer_create()
# 2.读取保存在本地的模型
faceModel.read('trainer/faceModel.yml')
# 3.使用模型来识别人脸，看人脸更接近哪张图片
# (1) 读取人脸图片
img = cv.imread('data/7.pgm')
# (2) 从人脸图片中获取人脸部分的像素矩阵
# 1） 将原图转换为灰度图
gray_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 2） 创建人脸检测器（另一个模型）
face_detector = cv.CascadeClassifier('Haar/haarcascade_frontalface_default.xml')
# 3） 检测人脸，获得人脸的位置信息
faces = face_detector.detectMultiScale(gray_img)
# 4） 通过人脸的位置信息，来获得人脸部分的像素矩阵
for x,y,w,h in faces:
# (3) 把人脸的像素矩阵给模型进行识别
result, score = faceModel.predict(np.array(gray_img)[y:y+h, x:x+w])
# 输出结果
print('识别结果是：', result, '，置信评分是：', score)录入人脸
# 导入模块
import cv2 as cv
import numpy as np
import time
# 打开摄像头
cap = cv.VideoCapture(0, cv.CAP_DSHOW)
# 创建人脸检测器
face_deteceor = cv.CascadeClassifier('Haar/haarcascade_frontalface_default.xml')
# 创建id
id = 1
# 记录当前时间
timer = time.time()
# 死循环
while True:
# 遍历摄像头每帧画面
# flag表示摄像头是否有开启
# frame表示摄像头当前帧的画面
flag, frame = cap.read()
# 先判断摄像头是否有开启
if not flag:
break
# 将摄像头的画面转换为灰度图
gray_frame = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
# 对摄像头画面检测人脸
faces = face_deteceor.detectMultiScale(frame)
# 遍历摄像头画面中的人脸信息
for x,y,w,h in faces:
# 在当前帧的摄像头画面中来画矩形
cv.rectangle(frame, (x, y), (x+w, y+h), (0, 0, 255))
# 经过3s后，才开始录入人脸
if time.time() - timer <= 3 :
continue
if id>10:
print(' 已经录入完毕')
else:
print('开始录入人脸')
# 来将灰度图取出人脸部分的图像
face_frame = np.array(gray_frame[y:y+h, x:x+w])
# 把人脸图像存到本地中去
cv.imwrite(f'my data/{id}.jpeg', face_frame)
# id+=1
id +=1
# 将摄像头的画面水平翻转
newFrame = cv.flip(frame, 1)
# 来把摄像头的画面通过opencv绘制出来
# 参数：窗口名称 ， 要显示的图像
cv.imshow('CAP', newFrame)
# 停留一下
cv.waitKey(1)在摄像头中识别人脸
# 导入模型
import cv2 as cv
# 打开摄像头
cap = cv.VideoCapture(0, cv.CAP_DSHOW)
# 创建人脸检测器
face_detector = cv.CascadeClassifier('Haar/haarcascade_frontalface_default.xml')
# 创建人脸识别的模型
faceModel =cv.face.LBPHFaceRecognizer_create()
faceModel.read('trainer/faceModel.yml')
# 遍历摄像头每帧画面，进行显示
while True:
# 获取摄像头当前帧画面
flag, frame = cap.read()
# 判断摄像头是否有开启
if not flag:
break
# 把摄像头的画面转换为灰度图
gray_frame = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
# 检测摄像头画面中的人脸
faces = face_detector.detectMultiScale(frame)
# 遍历人脸信息
for x,y,w,h in faces:
# 框出人脸
cv.rectangle(frame , (x , y) , (x+w , y+h) , color=(0 , 255 , 255))
# 来把摄像头画面中人脸部分切片出来
face_frae = gray_frame[y:y+h, x:x+w]
# 把切片的这部分来给人脸识别模型进行识别 ，然后将识别结果输出出来
id,score = faceModel.predict(face_frae)
'''print('识别到图片id为:', id, ',差距值是', score)'''
if score <= 50:
print('识别为：', id)
else:
print('识别失败')
# 水平翻转模型
newFrame = cv.flip(frame, 1)
# 如果有，则显示摄像头画面
cv.imshow('CAP', newFrame)
# 停留一会
cv.waitKey(1)
综合基本功能：
1.通过opencv打开摄像头；
2.来获取摄像头中人脸部分的图像，保存到项目的MyData文件夹内；
3.图像的以数字来命名,例如:1.jepg、2.jpeg、3.jpeg等；
4.保存10张人脸图片即可，保存10张后，输出已保存10张人脸图像；
5.使用最新录制的人脸图像的文件夹MyData，来训练新的人脸识别模型；
6.打开摄像头，使用最新的人脸识别模型，来识别摄像头画面中的人脸，识别人脸更接近哪个id的图像，以及它的评分，将id和评分输出出来。
# 导入模块
import cv2
cap = cv2.VideoCapture(0)
face = cv2.CascadeClassifier(r'Haar/haarcascade_frontalface_default.xml')
a = 1
while (1):
flag , frame = cap.read( )
gray = cv2.cvtColor(frame , cv2.COLOR_RGB2GRAY)
faces = face.detectMultiScale(gray)
for x , y , w , h in faces:
cv2.rectangle(frame, (x, y), (x+w, y+h), color=(0, 255, 255), thickness=2)
img = cv2.flip(frame , 1)
if flag == True:
cv2.imwrite(f'my data/{a}.jpeg' , img)
a += 1
if a > 10:
print('successfully!!')
break
img = cv2.imread('my data/1.jpeg')
cv2.imshow('my data/1.jpeg' , img)
if ord('q') == cv2.waitKey(1):
break
cap.release( )
cv2.destroyAllWindows( )