CV - 人脸识别（完结）

Posted 2021-10-25 非著名奶茶爱好者

近期辞了前端实习，开始考虑考研了。考研就不走开发，选个专业相关的方向大概还轻松点吧( 计算机视觉感觉挺好玩的，一定要学下去！！

文章目录

• 一、前置条件
• • 安装opencv
• 二、开始学习
• • 1.图片处理相关操作
  • 2.视频检测
  • 3.信息录入
  • 4.数据训练
  • 5.人脸识别
• 三、回顾
• • 1.总结过程
  • 2.关于报错

一、前置条件

安装opencv

opencv官网

pip install opencv-python

二、开始学习

1.图片处理相关操作

别着急，这里只是学习基本操作

# 导入cv模块
import cv2 as cv

# 读取图片
img = cv.imread('face1.jpeg')
# 灰度转换
gray_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 显示灰度
cv.imshow('gray', gray_img)
# 保存灰度图片
cv.imwrite('gray_fac1.jpeg', gray_img)
# 修改尺寸
resize_img = cv.resize(img, dsize=(200,200))
# 显示修改后的
cv.imshow('resize_img', resize_img)
# 坐标
x, y, w, h = 100, 100, 100, 100
# 绘制矩形
cv.rectangle(img,(x, y, x+w, y+h), color=(0, 0, 255), thickness=1)
# 绘制圆形
cv.circle(img, center=(x+w, y+h), radius=100, color=(255, 0, 0), thickness=2)

# 显示图片
cv.imshow('read_img', img)

# 等待
while True:
    if ord('e') == cv.waitKey(0):
        break

# 释放内存
cv.destroyAllWindows()

2.视频检测

别着急，还没开始人脸识别，但是会出现摄像头！

# 导入模块
import cv2 as cv

# 检测函数
def face_detect_demo(img):
    # 灰度转换
    gray_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    face_detect = cv.CascadeClassifier('D:\\GoogleDownload\\opencv\\opencv\\sources\\data\\haarcascades/haarcascade_frontalface_default.xml')
    face = face_detect.detectMultiScale(gray_img)
    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)

# 读取摄像头
cap = cv.VideoCapture(0)
# 循环
while True:
    flag, frame = cap.read()
    if not flag:
        break
    # 检测函数
    face_detect_demo(frame)
    # 等待
    if ord('e') == cv.waitKey(0):
        break

# 释放内存
cv.destroyAllWindows()
# 释放摄像头
cap.release()

3.信息录入

这段是将视频切成图片存储起来

# 导入模块
import cv2

# 读取摄像头
cap = cv2.VideoCapture(0)

flag = 1
num = 1

while(cap.isOpened()): # 检测是否在开启状态
    ret_flag, Vshow = cap.read() # 得到每帧图像
    cv2.imshow("Capture_Test",Vshow) # 显示图像
    k = cv2.waitKey(1) & 0xFF # 按键判断
    if k == ord('s'): # 保存
        cv2.imwrite('E:/PythonFiles/opencv/data/'+str(num)+'.name'+".jpg", Vshow)
        print("success to save"+str(num)+".jpg")
        print("------------")
        num += 1
    elif k == ord(' '): # 退出
        break

# 释放摄像头
cap.release()
# 释放内存
cv2.destroyAllWindows()

4.数据训练

开始训练数据了！让机器记住录入的图片！

import os
import cv2
from PIL import Image
import numpy as np

def getImageAndLabels(path):
    # 储存人脸数据
    facesSamples = []
    # 储存姓名数据
    ids = []
    # 储存图片信息
    imagePaths = [os.path.join(path, f) for f in os.listdir(path)]
    # 加载分类器
    face_detector = cv2.CascadeClassifier('D:/GoogleDownload/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')
    # 遍历列表中的图片
    for imagePath in imagePaths:
        # 打开图片，灰度话 PIL有九种不同模式
        PIL_img = Image.open(imagePath).convert('L')
        # 将图像转换为数组，以黑白深浅
        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('id:', id)
    print('fs:', facesSamples)
    return facesSamples, ids

if __name__ == '__main__':
    # 图片路径
    path = './data/jm/'
    # 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')

5.人脸识别

终于开始识别了！
注意！完成3,4步，即录入完信息以训练数据后才能进行人脸识别！文件夹里需要有录入的东西！

可以打开摄像头识别，也可以放入一段视频进行检测

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 = 0

# 密码加密
def md5(str):
    import hashlib
    m = 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():
    # 调用短信宝api，发送安全信息
    smsapi = "http://api.smsbao.com/"
    # 短信平台账号
    user = '我是账号'
    # 短信平台密码
    password = md5('我是密码')
    # 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 = '我是手机号'

    data = urllib.parse.urlencode({'u': user, 'p': password, 'm': phone, 'c': content})
    send_url = smsapi + 'sms?' + data
    response = 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:/GoogleDownload/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 warningtime
            warningtime += 1
            if warningtime > 100:
               warning()
               warningtime = 0
            cv2.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')
cap=cv2.VideoCapture(0) # 打开摄像头
name()
while True:
    flag, frame=cap.read()
    if not flag:
        break
    face_detect_demo(frame)
    if ord(' ') == cv2.waitKey(10): # 空格键退出
        break
cv2.destroyAllWindows()
cap.release()
#print(names)

这个人脸录入了，显示名字

这个没录入，显示unknown

多个脸也可以！

三、回顾

1.总结过程

1. 收集人脸图片作为训练数据集
2. 打开摄像头读取图片
3. 将读取的图片通过自定义检测函数进行识别
   a. 处理图片(灰度化，改变大小，将人脸框出来)
   b. 通过一开始录入的训练数据集与框出来的脸进行预测评分，若对应就将name显示出来，否则显示unknown
   c. 同时可调用短信宝api做一些危险处理，比如如果是unknown给手机发短信警告
4. 释放内存，释放摄像头

2.关于报错

大部分报错是因为没有引入包，在Settings中添加缺少的包就好啦

祝大家学习顺利！