Opencv之识别人脸

1，简介

本案例使用face_recognition，它是OpenCV中一个基于深度学习的人脸识别模块。使用face_recognition，你可以输入一张图像或一段视频流或者调用摄像头，然后对其中的人脸进行识别和标注。其核心功能是将图像中的人脸进行编码，然后与已有的人脸编码进行比对，从而进行人脸识别。（以下的代码后面有相应的解释说明）

2，人脸相似度对比

代码：

import cv2
import numpy as np
import face_recognition

imgElon = face_recognition.load_image_file('ImagesBasic/Luke/lucked.png')  # 加载图片
imgElon = cv2.cvtColor(imgElon, cv2.COLOR_BGR2RGB)  # 将BGR彩色图像转化为RGB彩色图像
imgTest = face_recognition.load_image_file('ImagesBasic/Emo/Musk.jpg')
imgTest = cv2.cvtColor(imgTest, cv2.COLOR_BGR2RGB)

faceLoc = face_recognition.face_locations(imgElon)[0]  # 定位人脸位置
encodeElon = face_recognition.face_encodings(imgElon)[0]  # 提取人脸的面部特征
cv2.rectangle(imgElon, (faceLoc[3], faceLoc[0]), (faceLoc[1], faceLoc[2]), (255, 0, 255), 2)  # 框出人脸

# print(faceLoc)

faceLocTest = face_recognition.face_locations(imgTest)[0]
encodeTest = face_recognition.face_encodings(imgTest)[0]
cv2.rectangle(imgTest, (faceLocTest[3], faceLocTest[0]), (faceLocTest[1], faceLocTest[2]), (255, 0, 255), 2)

result = face_recognition.compare_faces([encodeElon], encodeTest)  # 比较人脸编码的相似度
faceDis = face_recognition.face_distance([encodeElon], encodeTest)  # 计算两个人脸的欧氏距离（欧氏距离用于计算样本之间的相似度或距离）
print(result, faceDis)
cv2.putText(imgTest, f'{result}{round(faceDis[0], 2)}', (50, 50), cv2.FONT_HERSHEY_COMPLEX, 1, (0, 0, 255), 2)  # 显示比对结果

cv2.imshow('Emo Musk', imgElon)
cv2.imshow('Emo Test', imgTest)
key = cv2.waitKey(0)
if key == 27:  # 按ESC键退出
    cv2.destroyAllWindows()

效果：

3，人脸匹配

调用摄像头获取人人脸并与已有的人脸库进行匹配

温馨提示：

要自己创建Attendance.csv文件，即可实现以下功能

代码：

import cv2
import numpy as np
import face_recognition
import os
from datetime import datetime
 
path = 'ImagesBasic'  # 人像存储位置
images = []
className = []
myList = os.listdir(path)  # 返回指定文件目录下的列表，这里返回的是人像图片
print(myList)
 
for cl in myList:  # 获取每张人像的名称
    curImg = cv2.imread(f'{path}/{cl}')
    images.append(curImg)
    className.append(os.path.splitext(cl)[0])
print(className)
 
 
def findEncodings(images):  # 获取所有存储的人像编码
    encodeList = []
    for img in images:
        img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
        encode = face_recognition.face_encodings(img)[0]
        encodeList.append(encode)
    return encodeList
 
 
def markAttendance(name):  # 打卡，生成记录
    with open('Attendance.csv', 'r+') as f:
        myDatalist = f.readlines()  # 读取文件中所有的行
        nameList = []
        for line in myDatalist:
            entry = line.split(',')
            nameList.append(entry[0])
        if name not in nameList:
            now = datetime.now()
            dtString = now.strftime('%H:%M:%S')  # 将日期时间格式化成字符串
            f.writelines(f'\n{name},{dtString}')  # 将包含多个字符串的可迭代对象写入文件中，这里是记录人名
 
 
encodeListKnown = findEncodings(images)
print('encoding complete')
cap = cv2.VideoCapture(0)
 
while True:
    success, img = cap.read()
    imgs = cv2.resize(img, (0, 0), None, 0.25, 0.25)  # 调整图片大小
    imgs = cv2.cvtColor(imgs, cv2.COLOR_BGR2RGB)
 
    faceCurFrame = face_recognition.face_locations(imgs)  # 获取人脸位置信息
    encodesCurFrame = face_recognition.face_encodings(imgs, faceCurFrame)  # 获取人脸编码
 
    for encodeFace, faceLoc in zip(encodesCurFrame, faceCurFrame):  # zip函数，连接成字典
        matches = face_recognition.compare_faces(encodeListKnown, encodeFace)  # 人脸匹配度
        faceDis = face_recognition.face_distance(encodeListKnown, encodeFace)  # 欧式距离
        # print(faceDis)
        matchIndex = np.argmin(faceDis)  # 返回数组中小元素的索引
        if matches[matchIndex]:
            name = className[matchIndex].upper()
            print(name)
            y1, x2, y2, x1 = faceLoc  # 人脸位置
            y1, x2, y2, x1 = y1 * 4, x2 * 4, y2 * 4, x1 * 4
            cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 1)
            cv2.rectangle(img, (x1, y2 - 35), (x2, y2), (0, 255, 0), cv2.FILLED)
            cv2.putText(img, name, (x1 + 6, y2 - 6), cv2.FONT_HERSHEY_COMPLEX, 1, (255, 255, 255), 2)
            markAttendance(name)  # 记录人名
 
    cv2.imshow(str('Face_Detector'), img)
 
    if cv2.waitKey(1) & 0xff == 27:
        break
 

效果：

本文来自对csdn作者大大Cameo

的个人实践梳理，方便下次使用

链接：Opencv实战：人脸识别_opencv人脸识别-CSDN博客