在上一篇文章中，我們學(xué)習(xí)了如何安裝配置OpenCV和Python，然后寫(xiě)了些代碼玩玩人臉檢測(cè)?，F(xiàn)在我們要進(jìn)行下一步了，即搞一個(gè)人臉識(shí)別程序，就是不只是檢測(cè)還需要識(shí)別到人是誰(shuí)。

來(lái)，搞人臉識(shí)別

要搞一個(gè)人臉識(shí)別程序，首先我們需要先用提前裁剪好的標(biāo)注好的人臉照片訓(xùn)練一個(gè)識(shí)別器。比如說(shuō)，我們的識(shí)別器需要識(shí)別兩個(gè)人，一個(gè)人的id是1，而另一個(gè)的id是2，于是在數(shù)據(jù)集里面，1號(hào)人的所有照片會(huì)有id 1號(hào)，2號(hào)人同理。然后我們就會(huì)使用這些數(shù)據(jù)集照片去訓(xùn)練識(shí)別器，再?gòu)囊粋€(gè)視頻中識(shí)別出1號(hào)人。

我們把要做的事分成三部分：

1. 創(chuàng)建數(shù)據(jù)集
2. 訓(xùn)練
3. 識(shí)別

在本文中，我們會(huì)嘗試寫(xiě)一個(gè)程序來(lái)生成數(shù)據(jù)集。

生成數(shù)據(jù)集

我們來(lái)寫(xiě)一個(gè)數(shù)據(jù)集生成腳本。

首先打開(kāi)我們的Python環(huán)境，不管是Pycharm等IDE，還是簡(jiǎn)單的記事本都行。需要提前準(zhǔn)備的是在目錄中放好haarcascade_frontalface_default.xml，上一篇也有用到過(guò)這個(gè)XML文件，就是OpenCV自帶的。

接下來(lái)使用cv2獲取攝像頭數(shù)據(jù)以及XML文件：

import cv2
cam = cv2.VideoCapture(0)
detector=cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

我們的數(shù)據(jù)集需要先從攝像頭采集一些人臉例子照片，當(dāng)然，只能是同一個(gè)人的。然后程序會(huì)給這些例子照片添加id，并將照片保存在一個(gè)文件夾中，這個(gè)文件夾我們就將它命名為dataSet吧。

來(lái)，我們?cè)趐y腳本的同目錄下創(chuàng)建一個(gè)dataSet的文件夾。為了不會(huì)將不同的人臉照片弄混，我們需要定一個(gè)命名規(guī)則，用于給照片命名。

例如，命名規(guī)則為User.[ID].[SampleNumber].jpg。如果是2號(hào)人的第十張照片，我們可以將它命名為User.2.10.jpg。

為什么要定義這樣的格式呢？因?yàn)檫@樣，在加載照片訓(xùn)練的時(shí)候，我們就可以只通過(guò)照片的文件名，就能簡(jiǎn)單地判斷是幾號(hào)用戶的人臉照片。

接下來(lái)，我們嘗試用比較簡(jiǎn)單的方法，通過(guò)shell輸入，來(lái)獲取人的id，并且初始化計(jì)算器變量來(lái)存儲(chǔ)人們的例子數(shù)。

Id = raw_input('enter your id: ')
sampleNum = 0

然后我們加入一個(gè)主循環(huán)，我們會(huì)從視頻流中輸入20個(gè)例子，然后把例子都保存在已經(jīng)創(chuàng)建好的dataSet文件夾。

這是之前寫(xiě)過(guò)的代碼版本，用于人臉檢測(cè)：

while True:
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = detector.detectMultiScale(gray, 1.3, 5)
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

    cv2.imshow('frame', img)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

現(xiàn)在我們將它改造成數(shù)據(jù)集生成程序：

while True:
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = detector.detectMultiScale(gray, 1.3, 5)
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

        # 增加例子數(shù)
        sampleNum = sampleNum + 1
        # 把照片保存到數(shù)據(jù)集文件夾
        cv2.imwrite("dataSet/user." + str(Id) + '.' + str(sampleNum) + ".jpg", gray[y:y + h, x:x + w])

        cv2.imshow('frame', img)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

我們添加了兩行代碼，用以計(jì)算例子數(shù)，以及將人臉照片按照我們的命名規(guī)則保存為jpg格式。

其中有一個(gè)值得注意的地方，就是gray[y : y + h, x : x + w]。此處我們是把一張灰度圖片看成一個(gè)二維數(shù)組（或二維矢量），然后使用python中[]截取OpenCV檢測(cè)出來(lái)的人臉區(qū)域。

不過(guò)這樣的代碼會(huì)在一秒內(nèi)快速地生成許多照片，比如說(shuō)20張。我們不想要那么快，我們需要的是更好的素材，比如說(shuō)從不同角度拍攝出來(lái)的照片，這樣的話，要求慢一點(diǎn)。

為了慢一點(diǎn)，我們需要提高一下兩次拍攝之間的延遲。同時(shí)，我們素材不需要太多，20張就好。

while True:
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = detector.detectMultiScale(gray, 1.3, 5)
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

        # 增加例子數(shù) 
        sampleNum = sampleNum + 1
        # 把照片保存到數(shù)據(jù)集文件夾
        cv2.imwrite("dataSet/User." + str(Id) + '.' + str(sampleNum) + ".jpg", gray[y:y + h, x:x + w])  #

        cv2.imshow('frame', img)
    # 延遲100毫秒 
    if cv2.waitKey(100) & 0xFF == ord('q'):
        break
    # 超過(guò)20張就可以停了
    elif sampleNum > 20:
        break

好，繼續(xù)，現(xiàn)在的代碼就會(huì)在兩個(gè)拍攝間延遲100毫秒，100毫秒足夠讓我們?nèi)ヒ苿?dòng)我們?nèi)四樀慕嵌攘耍〞r(shí)間不夠長(zhǎng)就再加）。而且，在拍攝20張后就停止了。

最后記得釋放資源：

cap.release()
cv2.destroyAllWindows()

放出完整代碼：

import cv2

detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
cap = cv2.VideoCapture(0)
sampleNum = 0
Id = raw_input('enter your id: ')

while True:
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = detector.detectMultiScale(gray, 1.3, 5)
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

        # incrementing sample number
        sampleNum = sampleNum + 1
        # saving the captured face in the dataset folder
        cv2.imwrite("dataSet/User." + str(Id) + '.' + str(sampleNum) + ".jpg", gray[y:y + h, x:x + w])  #

        cv2.imshow('frame', img)
    # wait for 100 miliseconds
    if cv2.waitKey(100) & 0xFF == ord('q'):
        break
    # break if the sample number is morethan 20
    elif sampleNum > 20:
        break

cap.release()
cv2.destroyAllWindows()

生成結(jié)果

image

如圖，已經(jīng)生成了一堆訓(xùn)練素材了。

先這樣吧

原文，若有錯(cuò)誤之處請(qǐng)指出，更多地關(guān)注煎魚(yú)。