一、需要準(zhǔn)備的材料
1.筆記本電腦（帶有攝像頭的電腦）
2.python3.x（本文使用的是3.6），pycharm
3.第三方包的安裝準(zhǔn)備
二、安裝第三方包
1.opencv 的安裝，輸入：pip install opencv-python
注：numpy與OpenCV綁定安裝，無需自己輸入命令。
2.pillow的安裝，輸入： pip install pillow
注：pillow為圖像處理包。
3.contrib的安裝，輸入：pip install opencv-contrib-python
注：contrib是opencv的一個(gè)庫，大致用于處理3d識(shí)別
三、人臉識(shí)別的程序?qū)崿F(xiàn)
1.FaceDetection，人臉檢測
注：1.人臉識(shí)別分類器的路徑在你安裝的python目錄下，一般來講，在python3.x\Lib\site-packages\cv2\data中（如果是虛擬環(huán)境，就在虛擬環(huán)境\Lib\site-packages\cv2\data中），注意是絕對路徑。（如果嫌目錄太長，可以將分類器和程序放在一起，不過不推薦哈！?。【唧w自己酌情考慮。）
注：2.經(jīng)過我的慎重考慮，這里就不放出我的人臉了，請各位讀者自行嘗試，大概就是一個(gè)藍(lán)色的矩形框住你的臉，兩個(gè)綠色的矩形框住你的眼睛，按esc可退出。
import numpy as np
import cv2
# 人臉識(shí)別分類器
faceCascade = cv2.CascadeClassifier(r'C:\Users\xiaomi\Envs\FaceRecognitionProj\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml')
# 識(shí)別眼睛的分類器
eyeCascade = cv2.CascadeClassifier(r'C:\Users\xiaomi\Envs\FaceRecognitionProj\Lib\site-packages\cv2\data\haarcascade_eye.xml')
# 開啟攝像頭
cap = cv2.VideoCapture(0)
ok = True
while ok:
# 讀取攝像頭中的圖像，ok為是否讀取成功的判斷參數(shù)
ok, img = cap.read()
# 轉(zhuǎn)換成灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 人臉檢測
faces = faceCascade.detectMultiScale(
gray,
scaleFactor=1.2,
minNeighbors=5,
minSize=(32, 32)
)
# 在檢測人臉的基礎(chǔ)上檢測眼睛
result = []
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)
# 眼睛坐標(biāo)的換算，將相對位置換成絕對位置
for (ex, ey, ew, eh) in eyes:
result.append((x + ex, y + ey, ew, eh))
# 畫矩形
for (x, y, w, h) in faces:
cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
for (ex, ey, ew, eh) in result:
cv2.rectangle(img, (ex, ey), (ex + ew, ey + eh), (0, 255, 0), 2)
cv2.imshow('video', img)
k = cv2.waitKey(1)
if k == 27: # press 'ESC' to quit
break
cap.release()
cv2.destroyAllWindows()
2.FaceDataCollect，人臉數(shù)據(jù)收集
注：1.在運(yùn)行該程序前，請先在項(xiàng)目根目錄創(chuàng)建一個(gè)Facedata文件夾
注：2.程序運(yùn)行過程中，會(huì)提示你輸入id標(biāo)識(shí)，建議用名字拼音標(biāo)識(shí)，運(yùn)行一次會(huì)創(chuàng)建一個(gè)該名稱拼音的文件夾，并收集一組人臉的數(shù)據(jù)。
注：3.程序運(yùn)行時(shí)間可能會(huì)比較長，可能會(huì)有幾分鐘，如果嫌長，可以將 #得到1000個(gè)樣本后退出攝像 這個(gè)注釋前的1000，改小一些，如：100。
如果實(shí)在等不及，可按esc退出，但可能會(huì)導(dǎo)致數(shù)據(jù)不夠模型精度下降。
import cv2
import os
# 調(diào)用筆記本內(nèi)置攝像頭，所以參數(shù)為0，如果有其他的攝像頭可以調(diào)整參數(shù)為1，2
cap = cv2.VideoCapture(0)
face_detector = cv2.CascadeClassifier(r'C:\Users\xiaomi\Envs\FaceRecognitionProj\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml')
face_id = input('\n enter user id:')
print('\n Initializing face capture. Look at the camera and wait ...')
count = 0
# 給每個(gè)用戶單獨(dú)創(chuàng)建目錄
os.makedirs("Facedata\\User_" + str(face_id))
while True:
# 從攝像頭讀取圖片
sucess, img = cap.read()
# 轉(zhuǎn)為灰度圖片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 檢測人臉
faces = face_detector.detectMultiScale(gray, 1.3, 5)
for (x, y, w, h) in faces:
cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0))
count += 1
# 保存圖像
cv2.imwrite("Facedata\\User_" + str(face_id) + '\\' + str(count) + '.jpg', gray[y: y + h, x: x + w])
cv2.imshow('image', img)
# 保持畫面的持續(xù)。
k = cv2.waitKey(1)
if k == 27: # 通過esc鍵退出攝像
break
elif count >= 1000: # 得到1000個(gè)樣本后退出攝像
break
# 關(guān)閉攝像頭
cap.release()
cv2.destroyAllWindows()
3.face_training，人臉數(shù)據(jù)訓(xùn)練
注：1.運(yùn)行該程序前，請?jiān)陧?xiàng)目根目錄下創(chuàng)建face_trainer文件夾。
import numpy as np
from PIL import Image
import os
import cv2
# 人臉數(shù)據(jù)路徑
path = 'Facedata\\User_jiamiaohao'
recognizer = cv2.face.LBPHFaceRecognizer_create()
detector = cv2.CascadeClassifier(r"C:\Users\xiaomi\Envs\FaceRecognitionProj\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml")
def getImagesAndLabels(path):
imagePaths = [os.path.join(path, f) for f in os.listdir(path)] # join函數(shù)的作用？
faceSamples = []
ids = []
for imagePath in imagePaths:
PIL_img = Image.open(imagePath).convert('L') # convert it to grayscale
img_numpy = np.array(PIL_img, 'uint8')
print(os.path.split(imagePath)[-1].split("_")[1])
id = int(os.path.split(imagePath)[-1].split("_")[1].split(".")[0])
# 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, ids
print('Training faces. It will take a few seconds. Wait ...')
faces, ids = getImagesAndLabels(path)
recognizer.train(faces, np.array(ids))
recognizer.write(r'face_trainer\trainer.yml')
print("{0} faces trained. Exiting Program".format(len(np.unique(ids))))
4.face_recognition，人臉檢測
注：1.最終效果為一個(gè)綠框，框住人臉，左上角為紅色的人名，左下角為黑色的概率。
import cv2
recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('face_trainer/trainer.yml')
cascadePath = r"C:\Users\xiaomi\Envs\FaceRecognitionProj\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml"
faceCascade = cv2.CascadeClassifier(cascadePath)
font = cv2.FONT_HERSHEY_SIMPLEX
idnum = 0
# names = ['jiamiaohao']
cam = cv2.VideoCapture(0)
minW = 0.1*cam.get(3)
minH = 0.1*cam.get(4)
while True:
ret, img = cam.read()
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = faceCascade.detectMultiScale(
gray,
scaleFactor=1.2,
minNeighbors=5,
minSize=(int(minW), int(minH))
)
for (x, y, w, h) in faces:
cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)
idnum, confidence = recognizer.predict(gray[y:y+h, x:x+w])
# print(idnum,confidence)
idnum = "unknown"
confidence = "{0}%".format(round(100 - confidence))
print(confidence)
# if confidence < 100:
# idnum = names[idnum]
# confidence = "{0}%".format(round(100 - confidence))
# else:
# idnum = "unknown"
# confidence = "{0}%".format(round(100 - confidence))
cv2.putText(img, str(idnum), (x+5, y-5), font, 1, (0, 0, 255), 1)
cv2.putText(img, str(confidence), (x+5, y+h-5), font, 1, (0, 0, 0), 1)
cv2.imshow('camera', img)
k = cv2.waitKey(10)
if k == 27:
break
cam.release()
cv2.destroyAllWindows()
五，結(jié)語
在這里我要感謝null_wfb的個(gè)人博客的技術(shù)支持，
照著他的步驟成功的完成了人臉識(shí)別，改動(dòng)地方不多，希望能對你們有幫助！
