文章目录

一、项目介绍

二、环境配置

三、项目知识储备

• 导入图片
• 灰度转换 
• 修改图片尺寸的大小
• 矩形检测框图绘制
•  人脸检测识别
•  多个人脸检测效果
• 对人脸视频进行检测
• 数据集录入
• 训练数据
• 人脸识别过程

项目介绍

        人脸识别在现代化中应用较为广泛，比如人脸考勤系统等，银行卡人脸验证，手机面部识别等，顾名思义它也是一个分类系统，所以我们利用Python 调用opencv得分类器进行面部识别。

环境配置

        操作系统： Windows

        程序语言： Python 3.9.5（64-bit）安装步骤：Python 的下载安装与配置（针对新手）_无限嚣张（菜菜）的博客-CSDN博客1.进入官网：www.python.org/downloads/,点击Downloads Python 3.11.1 (个人觉得只要3的版本都行，根据自己的需求)6.点击win+R,输入cmd,输入Python,显示3.11.1，说明python 安装成功。7.测试代码：输入print("hello student"),最后quit()，退出。4.将下边框选中，点击 install。5.显示安装成功，点击关闭。https://blog.csdn.net/zywcxz/article/details/128277213?spm=1001.2014.3001.5501

        开发环境： Pycharm  安装步骤：

Python 开发环境的下载与配置以及anconda3在pycharm的配置_无限嚣张（菜菜）的博客-CSDN博客Python 开发环境的下载与配置以及anconda3在pycharm的配置https://blog.csdn.net/zywcxz/article/details/128284292?spm=1001.2014.3001.5501        opencv： 安装步骤：

        1.win+r

        2.在窗口输入cmd,回车

        3.输入pip install opencv-python,如下正在安装中，稍等片刻

 这个版本比较弱，我们后期到了检测环节是无法实现的，需要安装Ooen-cv软件

进入官网——Home - OpenCV

下载OpenCV-4.6.0版本

项目知识储备

导入图片

首先利用Python的cv模块，对图像进行读取

# 导入cv模块
import cv2 as impage# 读取图片
img = impage.imread('cat.jpg')
# 显示图片
impage.imshow('read_img', img)
# 等待
impage.waitKey(0)
# 释放内存
impage.destroyAllWindows()

效果如下：

灰度转换 

# 导入cv模块
import cv2 as impage# 读取图片
img = impage.imread('cat.jpg')
# 灰度转换
grey_scale_img = impage.cvtColor(img, impage.COLOR_BGR2GRAY)
# 显示灰度图片
impage.imshow('gray', grey_scale_img)
# 保存灰度图片
impage.imwrite('gray_face1.jpg', grey_scale_img)
# 显示图片
impage.imshow('read_img', img)
# 等待
impage.waitKey(0)
# 释放内存
impage.destroyAllWindows()

效果如下，可知它的图形颜色已经发生变化

修改图片尺寸的大小

import cv2 as impage# 读取图片
img = impage.imread('cat.jpg')
# 修改尺寸
Modify_size_img = impage.resize(img, dsize=(200, 200))
# 显示原图
impage.imshow('img', img)
# 显示修改后的
impage.imshow('resize_img', Modify_size_img)
# 打印原图尺寸大小
print('修改前：', img.shape)
# 打印修改后的大小
print('修改后：', Modify_size_img.shape)
# 等待
while True:if ord('q') == impage.waitKey(0):break
# 释放内存
impage.destroyAllWindows()

通过下图明显可知图片尺寸已经发生改变

 接下来，我们打印输出，看其图片大小，可知修改前图片大小尺寸为：（548,400,3），修改以后的尺寸为：（200,200,3）

 如果我们检测到人脸以后需要画框，所以需要绘制矩形

矩形检测框图绘制

# 导入cv模块
import cv2 as image# 读取图片
img = image.imread('cat.jpg')
# 坐标
x, y, w, h = 100, 100, 100, 100
# 绘制矩形
image.rectangle(img, (x, y, x + w, y + h), color=(0, 0, 255), thickness=5)
# 绘制圆形
image.circle(img, center=(x + w, y + h), radius=100, color=(255, 0, 0), thickness=5)
# 显示
image.imshow('re_img', img)
while True:if ord('q') == image.waitKey(0):break
# 释放内存
image.destroyAllWindows()

效果如下：

 人脸检测识别

# 导入cv模块
import cv2 as impage# 检测函数
def face_detect_demo():gary = impage.cvtColor(img, impage.COLOR_BGR2GRAY)# 调用opencv的分类器face_detect = impage.CascadeClassifier('C:/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')face = face_detect.detectMultiScale(gary, 1.01, 5, 0, (50, 50), (300, 300))for x, y, w, h in face:impage.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)impage.imshow('result', img)# 读取图像
img = impage.imread('cat.jpg')
# 检测函数
face_detect_demo()
# 等待
while True:if ord('q') == impage.waitKey(0):break
# 释放内存
impage.destroyAllWindows()

利用opencv中的人脸分类器进行分类识别，我们调用opencv里边的分类器

 我们设置在低于（50,50）之内不可能有人脸，在大于（300,300）之外也不可能有人脸。标框如下：

 多个人脸检测效果

# 导入cv模块
import cv2 as cv# 检测函数
def face_detect_demo():gary = cv.cvtColor(img, cv.COLOR_BGR2GRAY)face_detect = cv.CascadeClassifier('C:/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.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)# 读取图像
img = cv.imread('face2.jpg')
# 检测函数
face_detect_demo()
# 等待
while True:if ord('q') == cv.waitKey(0):break
# 释放内存
cv.destroyAllWindows()

我们不能做到百分百的检测效果，我们通过修改参数可以做到，但是修改参数以后，我们仅仅是局限于这张图片，所以我们需要对人脸图片进行训练，最后识别。 

对人脸视频进行检测

# 导入cv模块
import cv2 as cv# 检测函数
def face_detect_demo(img):gary = cv.cvtColor(img, cv.COLOR_BGR2GRAY)face_detect = cv.CascadeClassifier('C:/opencv/sources/data/haarcascades/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(0)
while True:flag, frame = cap.read()if not flag:breakface_detect_demo(frame)if ord('q') == cv.waitKey(1):break
# 释放内存
cv.destroyAllWindows()
# 释放摄像头
cap.release()

具体摄像头识别，有需要自己玩就可以，本人亲自测试，可以调用摄像头使用。

数据集录入

        首先开启摄像头，然后显示每一帧图像，最后通过按键检测，如果检测到字符串“s”,则将图片保存到对应的目录下，如果检测到空格，则退出

# 导入模块
import cv2 as impage# 摄像头
cap = impage.VideoCapture(0)falg = 1
num = 1while (cap.isOpened()):  # 检测是否在开启状态ret_flag, V_show = cap.read()  # 得到每帧图像impage.imshow("Capture_Test", V_show)  # 显示图像k = impage.waitKey(0) & 0xFF  # 按键判断if k == ord('s'):  # 保存impage.imwrite("C:/test/test1" + str(num)  + ".jpg", V_show)print("success to save" + str(num) + ".jpg")print("-------------------")num += 1elif k == ord(' '):  # 退出break# 释放摄像头
cap.release()
# 释放内存
impage.destroyAllWindows()

如下可知我们保存到目录下的图片为20张：

训练数据

我们把刚才拍照的图片导入进来，作为训练集，

import os
import cv2
import sys
from PIL import Image
import numpy as npdef getImageAndLabels(path):facesSamples = []ids = []imagePaths = [os.path.join(path, f) for f in os.listdir(path)]# 检测人脸face_detector = cv2.CascadeClassifier('C:/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')# 打印数组imagePathsprint('数据排列：', imagePaths)# 遍历列表中的图片for imagePath in imagePaths:# 打开图片,黑白化PIL_img = Image.open(imagePath).convert('L')# 将图像转换为数组，以黑白深浅# PIL_img = cv2.resize(PIL_img, dsize=(400, 400))img_numpy = np.array(PIL_img, 'uint8')# 获取图片人脸特征faces = face_detector.detectMultiScale(img_numpy)# 获取每张图片的id和姓名id = int(os.path.split(imagePath)[1].split('.')[0])# 预防无面容照片for x, y, w, h in faces:ids.append(id)facesSamples.append(img_numpy[y:y + h, x:x + w])# 打印脸部特征和id# print('fs:', facesSamples)print('id:', id)# print('fs:', facesSamples[id])print('fs:', facesSamples)# print('脸部例子：',facesSamples[0])# print('身份信息：',ids[0])return facesSamples, idsif __name__ == '__main__':# 图片路径path = "C:/test/test1"# 获取图像数组和id标签数组和姓名faces, ids = getImageAndLabels(path)# 加载识别器recognizer = cv2.face.LBPHFaceRecognizer_create()# 训练recognizer.train(faces, np.array(ids))# 保存文件# recognizer.write('trainer/trainer.yml')# save_to_file('names.txt',names)

人脸识别过程

import cv2
import numpy as np
import os
# coding=utf-8
import urllib
import urllib.request
import hashlib#加载训练数据集文件
recogizer=cv2.face.LBPHFaceRecognizer_create()
recogizer.read('trainer/trainer.yml')
names=[]
warningtime = 0def md5(str):import hashlibm = hashlib.md5()m.update(str.encode("utf8"))return m.hexdigest()statusStr = {'0': '短信发送成功','-1': '参数不全','-2': '服务器空间不支持,请确认支持curl或者fsocket,联系您的空间商解决或者更换空间','30': '密码错误','40': '账号不存在','41': '余额不足','42': '账户已过期','43': 'IP地址限制','50': '内容含有敏感词'
}def warning():smsapi = "http://api.smsbao.com/"# 短信平台账号user = '13******10'# 短信平台密码password = md5('*******')# 要发送的短信内容content = '【报警】\n原因：检测到未知人员\n地点：xxx'# 要发送短信的手机号码phone = '*******'data = urllib.parse.urlencode({'u': user, 'p': password, 'm': phone, 'c': content})send_url = smsapi + 'sms?' + dataresponse = urllib.request.urlopen(send_url)the_page = response.read().decode('utf-8')print(statusStr[the_page])#准备识别的图片
def face_detect_demo(img):gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转换为灰度face_detector=cv2.CascadeClassifier('D:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')face=face_detector.detectMultiScale(gray,1.1,5,cv2.CASCADE_SCALE_IMAGE,(100,100),(300,300))#face=face_detector.detectMultiScale(gray)for x,y,w,h in face:cv2.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)cv2.circle(img,center=(x+w//2,y+h//2),radius=w//2,color=(0,255,0),thickness=1)# 人脸识别ids, confidence = recogizer.predict(gray[y:y + h, x:x + w])#print('标签id:',ids,'置信评分：', confidence)if confidence > 80:global warningtimewarningtime += 1if warningtime > 100:warning()warningtime = 0cv2.putText(img, 'unkonw', (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)else:cv2.putText(img,str(names[ids-1]), (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)cv2.imshow('result',img)#print('bug:',ids)def name():path = './data/jm/'#names = []imagePaths=[os.path.join(path,f) for f in os.listdir(path)]for imagePath in imagePaths:name = str(os.path.split(imagePath)[1].split('.',2)[1])names.append(name)cap=cv2.VideoCapture('1.mp4')
name()
while True:flag,frame=cap.read()if not flag:breakface_detect_demo(frame)if ord(' ') == cv2.waitKey(10):break
cv2.destroyAllWindows()
cap.release()
#print(names)

注：项目来源参考于微信公众号：竞赛空间，最终项目解释权来源于：竞赛空间