人脸识别项目,从0到1的实现过程

Posted 张牧之!

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了人脸识别项目,从0到1的实现过程相关的知识,希望对你有一定的参考价值。

人脸识别项目,从0到1的实现过程

读取图片

代码

#导入cv模块
import cv2 as cv
#读取图片
img = cv.imread('face1.jpg')
#显示图片
cv.imshow('read_img',img)
cv.im
#等待
cv.waitKey(0)
#释放内存
cv.destroyAllWindows()

效果

灰度转换

代码

#导入cv模块
import cv2 as cv
#读取图片
img = cv.imread('face1.jpg')
#灰度转换
gray_img = cv.cvtColor(img,cv.COLOR_BGRA2GRAY)
#显示灰度图片
cv.imshow('gray',gray_img)
#保存灰度图片
cv.imwrite('gray_face1.jpg',gray_img)
#显示原图片
cv.imshow('read_img',img)
#等待
cv.waitKey(0)
#释放内存
cv.destroyAllWindows()

效果

尺寸修改

代码

#导入cv模块
import cv2 as cv
#读取图片
img = cv.imread('face1.jpg')
#修改原图尺寸
resize_img = cv.resize(img,dsize=(400,400))
#展示原图
cv.imshow('img',img)
#展示修改后的图片
cv.imshow('resize_img',resize_img)
#打印原图大小
print('原图大小:',img.shape)
#打印修改后图片的大小
print('修改后图片大小:',resize_img.shape)
#等待,检测到键盘按‘q'结束
while True:
    if ord('q') == cv.waitKey(0):
        break
#释放内存
cv.destroyAllWindows()

效果

绘制矩形

代码

#导入cv模块
import cv2 as cv
#读取图片
img = cv.imread('face1.jpg')
#坐标  起点(x,y) 宽w 高h
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('new_img',img)
#等待,检测到键盘按‘q'结束
while True:
    if ord('q') == cv.waitKey(0):
        break
#释放内存
cv.destroyAllWindows()

效果

人脸检测

代码

#导入cv模块
import cv2 as cv
#检测函数
def face_detect_demo():
    gray = cv.cvtColor(img,cv.COLOR_BGRA2GRAY)
    #分类器,找到OpenCV库(cv2库)文件所在位置,复制其中一个关于脸部检测的分类器的路径即可
    face_detect = cv.CascadeClassifier('E:/python 3.9.13/Lib/site-packages/cv2/data/haarcascade_frontalface_alt.xml')
    #(图片,缩放倍速,检测次数确定,0,最小像素,最大像素)
    #face = face_detect.detectMultiScale(gray,1.01,5,0,(100,100),(300,300))
    # 使用默认的参数
    face = face_detect.detectMultiScale(gray)
    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)
#读取图片
img = cv.imread('face1.jpg')
#检测函数
face_detect_demo()
#等待,检测到键盘按‘q'结束
while True:
    if ord('q') == cv.waitKey(0):
        break
#释放内存
cv.destroyAllWindows()

效果

多个人脸检测

代码

#导入cv模块
import cv2 as cv
#检测函数
def face_detect_demo():
    gray = cv.cvtColor(img,cv.COLOR_BGRA2GRAY)
    # 分类器,找到OpenCV库(cv2库)文件所在位置,复制其中一个关于脸部检测的分类器的路径即可
    face_detect = cv.CascadeClassifier('E:/python 3.9.13/Lib/site-packages/cv2/data/haarcascade_frontalface_alt.xml')
    #(图片,缩放倍速,检测次数确定,0,最小像素,最大像素)
    #face = face_detect.detectMultiScale(gray,1.01,5,0,(50,50),(80,80))
    #使用默认的参数
    face = face_detect.detectMultiScale(gray)
    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)
#读取图片
img = cv.imread('face2.jpg')
#检测函数
face_detect_demo()
#等待,检测到键盘按‘q'结束
while True:
    if ord('q') == cv.waitKey(0):
        break
#释放内存
cv.destroyAllWindows()

效果

视频检测

代码

#导入cv模块
import cv2 as cv
#检测函数
def face_detect_demo(img):
    gray = cv.cvtColor(img,cv.COLOR_BGRA2GRAY)
    # 分类器,找到OpenCV库(cv2库)文件所在位置,复制其中一个关于脸部检测的分类器的路径即可
    face_detect = cv.CascadeClassifier('E:/python 3.9.13/Lib/site-packages/cv2/data/haarcascade_frontalface_alt.xml')
    #(图片,缩放倍速,检测次数确定,0,最小像素,最大像素)
    #face = face_detect.detectMultiScale(gray,1.01,5,0,(50,50),(80,80))
    #使用默认的参数
    face = face_detect.detectMultiScale(gray)
    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) #摄像头实时检测
cap = cv.VideoCapture('1.mp4') #读取视频

#循环
while True:
    flag,fram = cap.read()
    if not flag:
        break
    face_detect_demo(fram)
    if ord('q') == cv.waitKey(100):
        break
#释放摄像头
cap.release()
#释放内存
cv.destroyAllWindows()

效果


人脸录入

代码

#导入cv模块
import cv2 as cv

#读取摄像头
cap = cv.VideoCapture(0) #摄像头实时检测

flag = 1
num = 1

while(cap.isOpened()): #检测是否存在开启状态
    ret_flag,Vshow = cap.read() #得到没帧图像
    cv.imshow("Capture_Test",Vshow) #显示图像
    k = cv.waitKey(1) & 0xFF  #按键判断
    if k == ord('s'): #保存
        cv.imwrite("D:/faceTrain/"+str(num)+".face"+".jpg",Vshow) #保存的位置
        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
cv.destroyAllWindows()

数据训练

代码

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

def getImageAndLabels(path):
    #存储人脸数据
    facesSamples=[]
    #存储姓名数据
    ids=[]
    #存储图片信息
    imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
    #检测人脸   加载分类器,找到OpenCV库(cv2库)文件所在位置,复制其中一个关于脸部检测的分类器的路径即可
    face_detector = cv.CascadeClassifier('E:/python 3.9.13/Lib/site-packages/cv2/data/haarcascade_frontalface_alt.xml')
    #打印数组imagePaths
    print('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,ids

if __name__ == '__main__':
    #图片路径
    path='D:/data/'
    #获取图像数组和id标签数组和姓名
    faces,ids=getImageAndLabels(path)
    #获取训练对象
    recognizer=cv.face.LBPHFaceRecognizer_create()
    #recognizer.train(faces,names)#np.array(ids)
    recognizer.train(faces,np.array(ids))
    #保存文件 面部信息和身份信息
    recognizer.write('D:/trainer/trainer.yml')
    #save_to_file('names.txt',names)
    

训练的目标人脸

提取的特征

训练好的特征数据

人脸识别

代码

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()
#加载训练好的数据
recogizer.read('D:/trainer/trainer.yml')
#存储名字
names=[]
#警报 全局变量
warningtime = 0

#md5加密
def md5(str):
    import hashlib
    m = hashlib.md5()
    m.update(str.encode("utf8"))
    return m.hexdigest()
#短信反馈
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'


#报警模块
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?' + 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('E:/python 3.9.13/Lib/site-packages/cv2/data/haarcascade_frontalface_alt.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) #绘制矩形
        cv2.circle(img,center=(x+w//2,y+h//2),radius=w//2,color=(0,255,0),thickness=1) #绘制圆形
        # 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: #可信度
            global warningtime
            warningtime += 1
            if warningtime > 100:  #警报达到一定次数
               warning() #发送警报
               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 = 'D:/data/'
    #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:
        break
    face_detect_demo(frame)
    if ord(' ') == cv2.waitKey(10):
        break
cv2.destroyAllWindows()
cap.release()
#print(names)

识别为目标人脸

识别为不目标人脸

项目下载地址

点击下载

以上是关于人脸识别项目,从0到1的实现过程的主要内容,如果未能解决你的问题,请参考以下文章

3分钟看懂人脸识别原理

opencv实现人脸识别 人脸图像采集模块

21个项目玩转深度学习:基于TensorFlow的实践详解06—人脸检测和识别——MTCNN人脸检测

人脸验证与识别——从模型训练到项目部署

人脸框抠图如何实现

人脸识别到底是怎么个过程呢?