目錄
- 前言
- 一、首先
- 二、接下來
- 1.對照人臉獲取
- 2. 通過算法建立對照模型
- 3.識別
前言
今天，我們用Python實現(xiàn)簡單的人臉識別技術(shù)！
Python里，簡單的人臉識別有很多種方法可以實現(xiàn)，依賴于python膠水語言的特性，我們通過調(diào)用包可以快速準確的達成這一目的。這里介紹的是準確性比較高的一種。
一、首先
梳理一下實現(xiàn)人臉識別需要進行的步驟：
流程大致如此，在此之前，要先讓人臉被準確的找出來，也就是能準確區(qū)分人臉的分類器，在這里我們可以用已經(jīng)訓(xùn)練好的分類器，網(wǎng)上種類較全，分類準確度也比較高，我們也可以節(jié)約在這方面花的時間。
既然用的是python，那自然少不了包的使用了，在看代碼之前，我們先將整個項目所需要的包羅列一下：
· CV2(Opencv)：圖像識別，攝像頭調(diào)用
· os：文件操作
· numpy：NumPy(Numerical Python) 是 Python 語言的一個擴展程序庫，支持大量的維度數(shù)組與矩陣運算，此外也針對數(shù)組運算提供大量的數(shù)學(xué)函數(shù)庫
· PIL：Python Imaging Library，Python平臺事實上是圖像處理的標準庫
二、接下來
1.對照人臉獲取
#-----獲取人臉樣本-----
import cv2
#調(diào)用筆記本內(nèi)置攝像頭，參數(shù)為0，如果有其他的攝像頭可以調(diào)整參數(shù)為1,2
cap = cv2.VideoCapture(0)
#調(diào)用人臉分類器，要根據(jù)實際路徑調(diào)整3
face_detector = cv2.CascadeClassifier(r'X:/Users/73950/Desktop/FaceRec/haarcascade_frontalface_default.xml') #待更改
#為即將錄入的臉標記一個id
face_id = input('\n User data input,Look at the camera and wait ...')
#sampleNum用來計數(shù)樣本數(shù)目
count = 0
while True:
#從攝像頭讀取圖片
success,img = cap.read()
#轉(zhuǎn)為灰度圖片，減少程序符合，提高識別度
if success is True:
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
else:
break
#檢測人臉，將每一幀攝像頭記錄的數(shù)據(jù)帶入OpenCv中，讓Classifier判斷人臉
#其中g(shù)ray為要檢測的灰度圖像，1.3為每次圖像尺寸減小的比例，5為minNeighbors
faces = face_detector.detectMultiScale(gray, 1.3, 5)
#框選人臉，for循環(huán)保證一個能檢測的實時動態(tài)視頻流
for (x, y, w, h) in faces:
#xy為左上角的坐標,w為寬，h為高，用rectangle為人臉標記畫框
cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0))
#成功框選則樣本數(shù)增加
count += 1
#保存圖像，把灰度圖片看成二維數(shù)組來檢測人臉區(qū)域
#(這里是建立了data的文件夾，當然也可以設(shè)置為其他路徑或者調(diào)用數(shù)據(jù)庫)
cv2.imwrite("data/User."+str(face_id)+'.'+str(count)+'.jpg',gray[y:y+h,x:x+w])
#顯示圖片
cv2.imshow('image',img)
#保持畫面的連續(xù)。waitkey方法可以綁定按鍵保證畫面的收放，通過q鍵退出攝像
k = cv2.waitKey(1)
if k == '27':
break
#或者得到800個樣本后退出攝像，這里可以根據(jù)實際情況修改數(shù)據(jù)量，實際測試后800張的效果是比較理想的
elif count >= 800:
break
#關(guān)閉攝像頭，釋放資源
cap.realease()
cv2.destroyAllWindows()
經(jīng)博主測試，在執(zhí)行
“face_detector = cv2.CascadeClssifier(r'C:\Users\admin\Desktop\python\data\ haarcascade_frontalface_default.xml')”此語句時，實際路徑中的目錄名盡量不要有中文字符出現(xiàn)，否則容易報錯。
這樣，你的電腦就能看到你啦！
2. 通過算法建立對照模型
本次所用的算法為opencv中所自帶的算法，opencv較新版本中（我使用的是2.4.8）提供了一個FaceRecognizer類，里面有相關(guān)的一些人臉識別的算法及函數(shù)接口，其中包括三種人臉識別算法（我們采用的是第三種）
1.eigenface
2.fisherface
3.LBPHFaceRecognizer
LBP是一種特征提取方式，能提取出圖像的局部的紋理特征，最開始的LBP算子是在3X3窗口中，取中心像素的像素值為閥值，與其周圍八個像素點的像素值比較，若像素點的像素值大于閥值，則此像素點被標記為1，否則標記為0。這樣就能得到一個八位二進制的碼，轉(zhuǎn)換為十進制即LBP碼，于是得到了這個窗口的LBP值，用這個值來反映這個窗口內(nèi)的紋理信息。
LBPH是在原始LBP上的一個改進，在opencv支持下我們可以直接調(diào)用函數(shù)直接創(chuàng)建一個LBPH人臉識別的模型。
我們在前一部分的同目錄下創(chuàng)建一個Python文件，文件名為trainner.py，用于編寫數(shù)據(jù)集生成腳本。同目錄下，創(chuàng)建一個文件夾，名為trainner，用于存放我們訓(xùn)練后的識別器。
#-----建立模型、創(chuàng)建數(shù)據(jù)集-----#-----建立模型、創(chuàng)建數(shù)據(jù)集-----
import os
import cv2
import numpy as np
from PIL import Image
#導(dǎo)入pillow庫，用于處理圖像
#設(shè)置之前收集好的數(shù)據(jù)文件路徑
path = 'data'
#初始化識別的方法
recog = cv2.face.LBPHFaceRecognizer_create()
#調(diào)用熟悉的人臉分類器
detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
#創(chuàng)建一個函數(shù)，用于從數(shù)據(jù)集文件夾中獲取訓(xùn)練圖片,并獲取id
#注意圖片的命名格式為User.id.sampleNum
def get_images_and_labels(path):
image_paths = [os.path.join(path,f) for f in os.listdir(path)]
#新建連個list用于存放
face_samples = []
ids = []
#遍歷圖片路徑，導(dǎo)入圖片和id添加到list中
for image_path in image_paths:
#通過圖片路徑將其轉(zhuǎn)換為灰度圖片
img = Image.open(image_path).convert('L')
#將圖片轉(zhuǎn)化為數(shù)組
img_np = np.array(img,'uint8')
if os.path.split(image_path)[-1].split(".")[-1] != 'jpg':
continue
#為了獲取id，將圖片和路徑分裂并獲取
id = int(os.path.split(image_path)[-1].split(".")[1])
faces = detector.detectMultiScale(img_np)
#將獲取的圖片和id添加到list中
for(x,y,w,h) in faces:
face_samples.append(img_np[y:y+h,x:x+w])
ids.append(id)
return face_samples,ids
#調(diào)用函數(shù)并將數(shù)據(jù)喂給識別器訓(xùn)練
print('Training...')
faces,ids = get_images_and_labels(path)
#訓(xùn)練模型
recog.train(faces,np.array(ids))
#保存模型
recog.save('trainner/trainner.yml')
3.識別
檢測，校驗，輸出其實都是識別的這一過程，與前兩個過程不同，這是涉及實際使用的過程，所以我們把他整合放在一個統(tǒng)一的一個文件內(nèi)。
#-----檢測、校驗并輸出結(jié)果-----
import cv2
#準備好識別方法
recognizer = cv2.face.LBPHFaceRecognizer_create()
#使用之前訓(xùn)練好的模型
recognizer.read('trainner/trainner.yml')
#再次調(diào)用人臉分類器
cascade_path = "haarcascade_frontalface_default.xml"
face_cascade = cv2.CascadeClassifier(cascade_path)
#加載一個字體，用于識別后，在圖片上標注出對象的名字
font = cv2.FONT_HERSHEY_SIMPLEX
idnum = 0
#設(shè)置好與ID號碼對應(yīng)的用戶名，如下，如0對應(yīng)的就是初始
names = ['初始','admin','user1','user2','user3']
#調(diào)用攝像頭
cam = cv2.VideoCapture(0)
minW = 0.1*cam.get(3)
minH = 0.1*cam.get(4)
while True:
ret,img = cam.read()
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#識別人臉
faces = face_cascade.detectMultiScale(
gray,
scaleFactor = 1.2,
minNeighbors = 5,
minSize = (int(minW),int(minH))
)
#進行校驗
for(x,y,w,h) in faces:
cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
idnum,confidence = recognizer.predict(gray[y:y+h,x:x+w])
#計算出一個檢驗結(jié)果
if confidence 100:
idum = names[idnum]
confidence = "{0}%",format(round(100-confidence))
else:
idum = "unknown"
confidence = "{0}%",format(round(100-confidence))
#輸出檢驗結(jié)果以及用戶名
cv2.putText(img,str(idum),(x+5,y-5),font,1,(0,0,255),1)
cv2.putText(img,str(confidence),(x+5,y+h-5),font,1,(0,0,0),1)
#展示結(jié)果
cv2.imshow('camera',img)
k = cv2.waitKey(20)
if k == 27:
break
#釋放資源
cam.release()
cv2.destroyAllWindows()
現(xiàn)在，你的電腦就能識別出你來啦！
通過其他組合也可以實現(xiàn)開機檢測等多種功能，你學(xué)會了嗎？
下面是博主審稿時的測試結(jié)果以及出現(xiàn)的一些問題哦~希望對大家有幫助（呲牙.jpg）
測試結(jié)果：
博主審稿測試過程中出現(xiàn)的問題：
（1）版本問題
解決方法：經(jīng)過博主無數(shù)次的失敗，提示大家最好安裝python2.7，可以直接使用 pip install numpy 以及pip install opencv-python安裝numpy 以及對應(yīng)python版本的opencv
（如果使用的是Anaconda2，pip相關(guān)命令可在開始菜單Anaconda2文件夾下的Anaconda Prompt中輸入）
點擊推文中給出的鏈接，將github中的文件下載后放至編譯文件所在的文件夾下，并更改代碼中的相關(guān)目錄
（2）如果提示“module' object has no attribute 'face'”
解決方法：可以輸入 pip install opencv-contrib-python解決，如果提示需要commission，可以在后面加上 --user,即 pip install opencv-contrib-python --user
以上就是10分鐘學(xué)會使用python實現(xiàn)人臉識別(附源碼)的詳細內(nèi)容，更多關(guān)于python 人臉識別的資料請關(guān)注腳本之家其它相關(guān)文章！
您可能感興趣的文章:- python實現(xiàn)的人臉識別打卡系統(tǒng)
- python opencv人臉識別考勤系統(tǒng)的完整源碼
- 用Python實現(xiàn)簡單的人臉識別功能步驟詳解
- 教你如何用Python實現(xiàn)人臉識別（含源代碼）
