【opencv】python实现人脸检测和识别训练

2024-07-13 11:11| 来源: 网络整理| 查看: 265

人脸识别

OpenCV 中的人脸识别通常基于哈尔特征分类器（Haar Cascade Classifier）进行。以下是 OpenCV 人脸识别的基本原理：

Haar Cascade Classifier：

特征分类器：Haar 特征是一种基于矩形区域的特征，可以用于图像中的对象检测。这些特征可以表示边缘、线和区域的变化等。级联分类器：Haar 级联分类器是由大量的弱分类器组成的级联结构，每个弱分类器用于检测图像的一个特定特征。级联分类器能够快速排除非目标区域，提高效率。

训练分类器：

Haar 分类器需要经过训练，使用正样本（包含人脸的图像）和负样本（不包含人脸的图像）进行训练。OpenCV 提供了工具来训练这些分类器。

人脸检测过程：

图像灰度化：首先，图像被转换为灰度图像，简化处理。级联分类器应用：Haar 分类器通过图像的不同区域以固定的步长和缩放应用。在每个区域，级联分类器检测是否有人脸特征。人脸候选区域：检测到的候选区域被保留，其中可能包含人脸。非极大值抑制：对于重叠的候选区域，采用非极大值抑制，选择最具代表性的人脸区域。

人脸识别：

识别是通过使用预训练的人脸识别模型进行的。在检测到人脸的区域中，可以使用各种方法（如基于模板的匹配或深度学习模型）进行人脸识别。

首先安装依赖

pip install opencv-python pip install opencv-contrib-python pip install numpy pip install pillow 拍照采集人脸

cv2.ideoCapture(0)的0是默认摄像头，如果外置摄像头可以换其他数字试试，这段代码其实就是通过opencv来拍照并保存用于后面的数据训练。

# 导入模块 import cv2 # 摄像头 cap = cv2.VideoCapture(0) flag = 1 num = 1 while cap.isOpened(): ret, frame = cap.read() cv2.imshow('frame', frame) k = cv2.waitKey(1) & 0xFF if k == ord('s'): # 按下s键，保存图片 cv2.imwrite('./images/faces/name/{}.jpg'.format(num), frame) print('{}.jpg saved'.format(num)) num += 1 elif k == ord(' '): # 按下空格键退出 break cap.release() # 释放摄像头 cv2.destroyAllWindows() # 关闭窗口数据训练

haarcascade_frontalface_default.xml需要下载opencv的源码文件来获取。

下载地址：Releases - OpenCV

主要通过getImageAndLabel来解析对应图片的特征值保存到face_trainer.yml中用于后期的人脸检测。在/images/faces的文件夹下的路径应该是id.人名拼音/图片文件，用id来关联人脸名称，必须是整型数字，图片名称没有要求，最好给识别人物的照片多准备一些，识别效果会好一些。在这里插入图片描述

import os import cv2 from PIL import Image import numpy as np def getImageAndLabel(path): # 人脸数据路径 faceSamples = [] # id ids = [] # 获取当前路径的文件夹 dirs = os.listdir(path) # 加载分类器 faceCascade = cv2.CascadeClassifier('./data/haarcascades/haarcascade_frontalface_default.xml') # 遍历文件夹 for dir in dirs: # 获取文件夹路径 dir_path = os.path.join(path, dir) # 获取文件夹下的图片 imagePaths = [os.path.join(dir_path, f) for f in os.listdir(dir_path)] # 获取id id = int(dir.split('.')[0]) # 遍历图片 for imagePath in imagePaths: # 转换为灰度图 PIL_img = Image.open(imagePath).convert('L') # 转换为数组 img_numpy = np.array(PIL_img, 'uint8') # 人脸检测 faces = faceCascade.detectMultiScale(img_numpy) # 遍历人脸 for (x, y, w, h) in faces: # 添加人脸数据 faceSamples.append(img_numpy[y:y + h, x:x + w]) # 添加id ids.append(id) # 返回人脸数据和id return faceSamples, ids if __name__ == '__main__': # 获取人脸数据和姓名 faces, ids = getImageAndLabel('./images/faces') # 导入人脸识别模型 recognizer = cv2.face.LBPHFaceRecognizer_create() # 训练模型 recognizer.train(faces, np.array(ids)) # 保存模型 recognizer.save('./data/face_trainer.yml') 人脸识别

可以通过图片，视频，摄像头来进行人脸检测，识别成功后会返回id，根据id索引来对应人物名称。多次识别失败后会触发警报，这里没有对应的通报代码，可以自行添加。

由于中文无法直接通过opencv添加，所以这里使用cv2ImgAddText将文字转为图片后加到原图上。

# -*- coding: utf-8 -*- import cv2 import numpy as np from PIL import ImageFont, ImageDraw, Image import ffmpeg import threading import time import subprocess # 加载分类器 recognizer = cv2.face.LBPHFaceRecognizer_create() # 读取训练数据 recognizer.read('./data/face_trainer.yml') # 名称 names = ['未知', '刘德华', '成龙', '胡歌', '刘亦菲'] # 警报全局变量 warningtime = 0 # 设置字体相关参数 font_path = './data/font/simfang.ttf' def cv2ImgAddText(img, text, left, top, textColor=(0, 0, 255), textSize=20): """ 文字转换为图片并添加到图片上 """ if (isinstance(img, np.ndarray)): # 判断是否OpenCV图片类型 img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)) # 创建一个可以在给定图像上绘图的对象 draw = ImageDraw.Draw(img) # 字体的格式 fontStyle = ImageFont.truetype( font_path, textSize, encoding="utf-8") # 绘制文本 draw.text((left, top), text, textColor, font=fontStyle) # 转换回OpenCV格式 return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR) # 人脸检测 def detect_face(src_img): # 导入人脸检测模型 face_cascade = cv2.CascadeClassifier('./data/haarcascades/haarcascade_frontalface_alt2.xml') # 灰度转换 gray = cv2.cvtColor(src_img, cv2.COLOR_BGR2GRAY) faces = face_cascade.detectMultiScale(gray) # 灰度图像，缩放因子，最小邻域，最大邻域，最小尺寸，最大尺寸 # 绘制人脸矩形 for (x, y, w, h) in faces: cv2.rectangle(src_img, (x, y), (x + w, y + h), (0, 0, 255), 2) # 图片，左上角坐标，右下角坐标，颜色，线宽 # 人脸识别 id, confidence = recognizer.predict(gray[y:y + h, x:x + w]) print(id) # 判断是否为本人 if confidence 3: # 发送邮件 # sendEmail() print("警报") # 重置警报次数 warningtime = 0 return src_img # 关闭 if __name__ == '__main__': # 读取摄像头 cap = cv2.VideoCapture(0) # 0代表默认摄像头编号，如果有多个摄像头，可以尝试1，2，3等等 # cap = cv.VideoCapture("./images/video.mp4")#读取视频文件 # cap = cv2.VideoCapture('rtmp://') # 读取视频流 cap.set(cv2.CAP_PROP_FPS, 30) # 设置帧率 cap.set(cv2.CAP_PROP_BUFFERSIZE, 1) # 设置缓冲区大小为1，你可以根据需要调整 # 人脸检测 while True: ret, frame = cap.read() if ret: img = detect_face(frame) # 显示图片 cv2.imshow("img", img) time.sleep(0.1) # 等待键盘输入 if cv2.waitKey(1) == ord('q'): break # 释放资源 cap.release() cv2.destroyAllWindows() # # 读取图片 # img = cv2.imread("./images/img_5.png") # img = detect_face(img) # # 修改图片大小 # img = cv2.resize(img, (800, 600)) # cv2.imshow("face_detect", img) # cv2.waitKey(0) # cv2.destroyAllWindows()

在这里插入图片描述上面内容已经包含全部需要代码和需要资源获取方法，但如果需要也可以通过这个地址获取完整代码和资源： csdn资源地址

【本文地址】

公司简介

联系我们