python opencv3 人脸识别的例子

时间：2021-12-19 22:54:36

一个人脸识别的例子

程序中用到了公共数据集， 欢迎去我的git上下载源码，源码里带有数据集

git：https://github.com/linyi0604/Computer-Vision

脚本中一个三个函数

第一个: 调用本机摄像头采集一些自己的照片 作为数据集的一部分

第二个：把自己的照片 和公共数据集照片一并读取 作为输入数据

第三个： 预测函数  调用第二个函数拿到x 和y 进行训练后 开启摄像头 进行预测

 # coding:utf-8

 import cv2

 import os

 import numpy as np

 # 1 生成人脸识别数据

 #  图像是灰度格式，后缀名.pgm

 #  图像是正方形 图像大小要一样 在这里使用200*200

 def generate():

     # 加载检测图像中人脸位置的对象， xml文件需要去opencv文件夹里面找， 放到项目里面来引入

     face_cascade = cv2.CascadeClassifier("../data/haarcascade_frontalface_default.xml")

     # 调用本机摄像头

     camera = cv2.VideoCapture(0)

     count = 0

     # 读取摄像头

     while True:

         # 读入 帧

         ret, frame = camera.read()

         # 变为灰度图像

         gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

         # 检测人脸位置

         faces = face_cascade.detectMultiScale(gray, 1.3, 5)

         # 将图片中人脸位置单独拿出来改变成200*200大小的图片 存入本地 作为数据集

         for (x, y, w, h) in faces:

             img = cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)

             f = cv2.resize(gray[y:y+h, x:x+w], (200, 200))

             cv2.imwrite("./data/%s.pgm" % str(count), f)

             count += 1

         cv2.imshow("camera", frame)

         # 如果按键q就退出 否则等50毫秒

         if cv2.waitKey(50) & 0xff == ord("q"):

             break

     camera.release()

     cv2.destroyAllWindows()

 # 读取生成好的数据 在我项目目录下整理好的

 def readImages():

     x, y = [], []

     path = "./data/faces/"

     image_file = os.listdir(path)

     image_files = [path + i for i in image_file]

     for file in image_files:

         images = os.listdir(file)

         label = file.split("/")[-1][1:]

         for i in images:

             img = cv2.imread(file + "/" + i, cv2.IMREAD_GRAYSCALE)

             img = cv2.resize(img, (200, 200))

             x.append(np.asarray(img, dtype=np.uint8))

             y.append(int(label))

     y = np.asarray(y, dtype=np.int32)

     return x, y

 # 检测人脸

 def face_rec():

     # 获取数据

     x, y = readImages()

     # 人脸识别的模型

     model = cv2.face.EigenFaceRecognizer_create()

     # fisherfaces算法的模型

     # model = cv2.face.FisherFaceRecognizer_create()

     # LBPH算法的模型

     # model = cv2.face.LBPHFaceRecognizer_create()

     """

     Eigenfaces和Fisherfaces 预测时候产生0到20000的评分

         低于4000 5000 的评分都是相当可靠的

     LBPH 产生评分不同，低于50是可靠的 高于80是不可靠的

     """

     # 训练模型

     model.train(np.asarray(x), np.asarray(y))

     # 开摄像头

     camera = cv2.VideoCapture(0)

     # 加载检测人脸对象

     face_cascade = cv2.CascadeClassifier("../data/haarcascade_frontalface_default.xml")

     while True:

         # 读取当前帧

         read, img = camera.read()

         # 当前帧下检测人脸

         faces = face_cascade.detectMultiScale(img, 1.3, 5)

         for (x, y, w, h) in faces:

             # 画出人脸

             img = cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)

             # 转成灰度图

             gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

             # 拿出人脸部分

             roi = gray[x: x+w, y: y+h]

             try:

                 # 更改大小

                 roi = cv2.resize(roi, (200, 200), interpolation=cv2.INTER_LINEAR)

                 # 进行预测

                 params = model.predict(roi)

                 # 在图像上写预测结果

                 # 1.2是字体大小 2是粗细

                 img = cv2.putText(img, str(params[0]), (x, y), cv2.FONT_HERSHEY_SIMPLEX, 1.2, (0, 255, 0), 2)

                 # prams是一个二元素列表, 第一个元素是预测结果，第二个元素是得分情况

                 print(params)

             except Exception as e:

                 print(e)

         cv2.imshow("detect face", img)

         if cv2.waitKey(5) & 0xff == ord("q"):

             break

     cv2.destroyAllWindows()

 if __name__ == '__main__':

     # 调用摄像头 采集人脸照片数据

     # generate()

     # 检测人脸

     face_rec()

相关文章