1 说明：
=====
1.1 参考文章：
https://www.cnblogs.com/xp12345/p/9818435.html1.2 对原代码进行注释，调试，增加PIL法显示中文标示 。
1.3 获取摄像头实现动态人脸识别 。
1.4 分为：侦测-收集-训练-识别 。
文章插图
2 准备：
=====
2.1 安装opencv：
pip install opencv-Python2.2 注意：导入模块import cv2#cv2不是版本号科普一下：cv2中的 2 不是指定发布的版本号，而是为了区分OpenCV的 C 和 C++ 的版本 。
OpenCV1.x 使用 C 开发；而OpenCV2.x 使用C++ 。
2.3 环境：
华为笔记本电脑、深度deepin-linux操作系统、谷歌浏览器、python3.8和微软vscode编辑器 。
3 文件结构：
========
3.1 图：
文章插图
3.2 层次示意图：
文章插图
3.3 两个xml文件来自：分类器一般位于安装包cv2下
比如：本机：file:///usr/local/python3.8/lib/python3.8/site-packages/cv2/data下，复制过来即可===以下代码基于笔记本电脑的摄像头，需打开，训练自己头像===4 五个代码依次进行：
===============
4.1 1-FaceDetection.py代码：
#人脸检测import numpy as npimport cv2# 人脸识别分类器faceCascade = cv2.CascadeClassifier('/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml')# 识别眼睛的分类器eyeCascade = cv2.CascadeClassifier('/home/xgj/Desktop/face-de/haarcascade_eye.xml')# 开启摄像头cap = cv2.VideoCapture(0)ok = Trueresult =[]#原bug，自己补充while ok:# 读取摄像头中的图像，ok为是否读取成功的判断参数ok, img = cap.read()# 转换成灰度图像gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 人脸检测faces = faceCascade.detectMultiScale(gray,scaleFactor=1.2,minNeighbors=5,minSize=(32, 32))result = []# 在检测人脸的基础上检测眼睛for (x, y, w, h) in faces:fac_gray = gray[y: (y+h), x: (x+w)]result = []eyes = eyeCascade.detectMultiScale(fac_gray, 1.3, 2)# 眼睛坐标的换算，将相对位置换成绝对位置for (ex, ey, ew, eh) in eyes:result.Append((x+ex, y+ey, ew, eh))# 画矩形框--脸部for (x, y, w, h) in faces:cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)#眼睛for (ex, ey, ew, eh) in result:cv2.rectangle(img, (ex, ey), (ex+ew, ey+eh), (0, 255, 0), 2)#显示cv2.imshow('video', img)#退出定义k = cv2.waitKey(1)if k == 27:# press 'ESC' to quitbreakcap.release()cv2.destroyAllwindows()===注意4.1代码不需要也没关系===4.2 2-FaceDataCollect.py代码：
#FaceDataCollect,人脸数据收集import cv2import os# 调用笔记本内置摄像头，所以参数为0，如果有其他的摄像头可以调整参数为1，2cap = cv2.VideoCapture(0)#注意路径face_detector = cv2.CascadeClassifier('/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml')#请输入id:0为一个人，第二个人请输入1，在4py中检测识别中idnums有用face_id = input('n enter user id:')print('n Initializing face capture. Look at the camera and wait ...')count = 0while True:# 从摄像头读取图片sucess, img = cap.read()# 转为灰度图片gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 检测人脸faces = face_detector.detectMultiScale(gray, 1.3, 5)#面部画框for (x, y, w, h) in faces:cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0))count += 1# 保存图像，注意路径cv2.imwrite("/home/xgj/Desktop/face-de/img/user." + str(face_id) + '.' + str(count) + '.jpg', gray[y: y + h, x: x + w])cv2.imshow('image', img)# 保持画面的持续 。k = cv2.waitKey(1)if k == 27:# 通过esc键退出摄像breakelif count >= 1000:# 得到1000个样本后退出摄像，可自定义数值大小break# 关闭摄像头cap.release()cv2.destroyAllWindows()#大概需要半个小时，收集1000张图片#我自己约5分钟后暂停，期间可以做各种面部动作，我大概收集50张4.3 3-face_training.py代码：#face_training,人脸数据训练import numpy as npfrom PIL import Imageimport osimport cv2# 人脸数据路径，上面保存的灰色照片数据集path = '/home/xgj/Desktop/face-de/img'recognizer = cv2.face.LBPHFaceRecognizer_create()detector = cv2.CascadeClassifier("/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml")def getImagesAndLabels(path):imagePaths = [os.path.join(path, f) for f in os.listdir(path)]faceSamples = []ids = []for imagePath in imagePaths:PIL_img = Image.open(imagePath).convert('L')# convert it to grayscaleimg_numpy = np.array(PIL_img, 'uint8')id = int(os.path.split(imagePath)[-1].split(".")[1])faces = detector.detectMultiScale(img_numpy)for (x, y, w, h) in faces:faceSamples.append(img_numpy[y:y + h, x: x + w])ids.append(id)return faceSamples, idsprint('Training faces. It will take a few seconds. Wait ...')faces, ids = getImagesAndLabels(path)recognizer.train(faces, np.array(ids))#保存训练好的文件recognizer.write('/home/xgj/Desktop/face-de/face_trainer/trainer.yml')print("{0} faces trained. Exiting Program".format(len(np.unique(ids))))
推荐阅读
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
- AI人工智能：JAVA教你拍照识别文字 并语音播报
- 语音识别概论
- 一个超好用的开源OCR
- 标贝科技入选“2020人工智能语义识别创新排行”
- NVIDIA GPU助力博特智能加速内容识别，打造智能内容审核
- 老年人脸红是什么原因
- 老年人脸肿嘴歪胸口发闷
- 驾照|女子考科一5次全是男人脸 网友：这情况换我心态早崩了
- 华为|3D人脸识别+可视猫眼！华为智能门锁今天正式预售
- 黄金桂茶叶怎么识别,乌龙茶黄金桂品鉴先容
