基於Python3.7和opencv的人臉識別（含數據收集，模型訓練）

前言

第一次寫博客，有點緊張和興奮。廢話很少說，直接進入正題。若是你渴望使你的電腦可以進行人臉識別；若是你不想了解什麼c++、底層算法；若是你也不想買什麼樹莓派，安裝什麼幾個G的opencv；若是你和我同樣是個還沒入門的小白，可是想體驗一下人臉識別的魅力。那麼恭喜你，這篇文章就是爲你準備的。讓咱們開始吧！

1、須要準備的材料

1.一臺能夠聯網的有攝像頭的電腦（手動滑稽）。

2.python3.7的安裝包

2、Python3.7及其第三方包的安裝

1.Python3.7的安裝

關於python3.7的安裝，網上有不少教程，請自行百度。

值得注意的是安裝時勾選添加環境變量，若是不添加，也能夠，但要本身輸入相關文件的絕對路徑。

 

2.第三方包的安裝準備

2.0本文采用pip進行安裝，如有過pip經驗的能夠跳過這個部分。

2.1在開始菜單欄搜索dos，而後回車啓動命令提示符。

2.2在python3.7的Scripts文件夾中能夠找到pip.exe。

2.3在命令提示符中輸入Scripts文件夾的絕對路徑

例：cd C:\\python3.7\Scripts

注：cd爲Change directory,即更換目錄，cd後有空格。

2.4更換目錄成功後，輸入pip.exe，啓動pip，出現以下畫面說明啓動成功。

2.5 啓動pip後，就能夠開始安裝Python的第三方包了，注意要讓電腦聯網。

 

3 第三方包的安裝

3.1opencv 的安裝，輸入：pip install opencv-python。

注：numpy與OpenCV綁定安裝，無需本身輸入命令。

3.2 pillow的安裝，輸入： pip install pillow

注：pillow爲圖像處理包。

3.3 contrib的安裝，輸入：pip instal opencv-contrib-python

注：筆者在contrib的安裝這裏花費了一些時間，網上說的那些很麻煩的辦法，讓我看的雲裏霧裏的。

contrib這個包用上面那個命令就能夠安裝，它是用於訓練本身的人臉模型的一個OpenCV擴展包。

下圖爲三個包的安裝過程截圖，因爲我以前已經安裝過，會顯示包已存在。首次安裝會有進度條，成功後會有Successfully字樣。

 

3、人臉識別的程序實現

1.FaceDetection,人臉檢測

廢話很少說，先上代碼

 1 import numpy as np
 2 import cv2
 3 
 4 # 人臉識別分類器
 5 faceCascade = cv2.CascadeClassifier(r'C:\python3.7\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml')
 6 
 7 # 識別眼睛的分類器
 8 eyeCascade = cv2.CascadeClassifier(r'C:\python3.7\Lib\site-packages\cv2\data\haarcascade_eye.xml')
 9 
10 # 開啓攝像頭
11 cap = cv2.VideoCapture(0)
12 ok = True
13 
14 while ok:
15     # 讀取攝像頭中的圖像，ok爲是否讀取成功的判斷參數
16     ok, img = cap.read()
17     # 轉換成灰度圖像
18     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
19 
20     # 人臉檢測
21     faces = faceCascade.detectMultiScale(
22         gray,     
23         scaleFactor=1.2,
24         minNeighbors=5,     
25         minSize=(32, 32)
26     )
27 
28     # 在檢測人臉的基礎上檢測眼睛
29     for (x, y, w, h) in faces:
30         fac_gray = gray[y: (y+h), x: (x+w)]
31         result = []
32         eyes = eyeCascade.detectMultiScale(fac_gray, 1.3, 2)
33 
34         # 眼睛座標的換算，將相對位置換成絕對位置
35         for (ex, ey, ew, eh) in eyes:
36             result.append((x+ex, y+ey, ew, eh))
37 
38     # 畫矩形
39     for (x, y, w, h) in faces:
40         cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)
41 
42     for (ex, ey, ew, eh) in result:
43         cv2.rectangle(img, (ex, ey), (ex+ew, ey+eh), (0, 255, 0), 2)
44  
45     cv2.imshow('video', img)
46 
47     k = cv2.waitKey(1)
48     if k == 27:    # press 'ESC' to quit
49         break
50  
51 cap.release()
52 cv2.destroyAllWindows()

注：1.人臉識別分類器的路徑在不一樣的電腦上不一樣，通常來說，在python3.7\Lib\site-packages\cv2\data中，注意是絕對路徑，若是嫌目錄太長，能夠將分類器和程序放在一塊兒。

注：2.通過個人慎重考慮，我決定不放出個人人臉，請各位讀者自行嘗試，大概就是一個藍色的矩形框住你的臉，兩個綠色的矩形框住你的眼睛，按esc可退出。

 

2.FaceDataCollect,人臉數據收集

仍是先上代碼

 1 import cv2
 2 import os
 3 # 調用筆記本內置攝像頭，因此參數爲0，若是有其餘的攝像頭能夠調整參數爲1，2
 4 
 5 cap = cv2.VideoCapture(0)
 6 
 7 face_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
 8 
 9 face_id = input('\n enter user id:')
10 
11 print('\n Initializing face capture. Look at the camera and wait ...')
12 
13 count = 0
14 
15 while True:
16 
17     # 從攝像頭讀取圖片
18 
19     sucess, img = cap.read()
20 
21     # 轉爲灰度圖片
22 
23     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
24 
25     # 檢測人臉
26 
27     faces = face_detector.detectMultiScale(gray, 1.3, 5)
28 
29     for (x, y, w, h) in faces:
30         cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0))
31         count += 1
32 
33         # 保存圖像
34         cv2.imwrite("Facedata/User." + str(face_id) + '.' + str(count) + '.jpg', gray[y: y + h, x: x + w])
35 
36         cv2.imshow('image', img)
37 
38     # 保持畫面的持續。
39 
40     k = cv2.waitKey(1)
41 
42     if k == 27:   # 經過esc鍵退出攝像
43         break
44 
45     elif count >= 1000:  # 獲得1000個樣本後退出攝像
46         break
47 
48 # 關閉攝像頭
49 cap.release()
50 cv2.destroyAllWindows()

注：1.在運行該程序前，請先建立一個Facedata文件夾並和你的程序放在一個文件夾下。

友情提示：請將程序和文件打包放在一個叫人臉識別的文件夾下。能夠把分類器也放入其中。

注：2.程序運行過程當中，會提示你輸入id，請從0開始輸入，即第一我的的臉的數據id爲0，第二我的的臉的數據id爲1，運行一次可收集一張人臉的數據。

注：3.程序運行時間可能會比較長，可能會有幾分鐘，若是嫌長，能夠將     #獲得1000個樣本後退出攝像      這個註釋前的1000，改成100。

若是實在等不及，可按esc退出，但可能會致使數據不夠模型精度降低。

 

3.face_training,人臉數據訓練

 1 import numpy as np
 2 from PIL import Image
 3 import os
 4 import cv2
 5 # 人臉數據路徑
 6 path = 'Facedata'
 7 
 8 recognizer = cv2.face.LBPHFaceRecognizer_create()
 9 detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
10 
11 def getImagesAndLabels(path):
12     imagePaths = [os.path.join(path, f) for f in os.listdir(path)]  # join函數的做用？
13     faceSamples = []
14     ids = []
15     for imagePath in imagePaths:
16         PIL_img = Image.open(imagePath).convert('L')   # convert it to grayscale
17         img_numpy = np.array(PIL_img, 'uint8')
18         id = int(os.path.split(imagePath)[-1].split(".")[1])
19         faces = detector.detectMultiScale(img_numpy)
20         for (x, y, w, h) in faces:
21             faceSamples.append(img_numpy[y:y + h, x: x + w])
22             ids.append(id)
23     return faceSamples, ids
24 
25 
26 print('Training faces. It will take a few seconds. Wait ...')
27 faces, ids = getImagesAndLabels(path)
28 recognizer.train(faces, np.array(ids))
29 
30 recognizer.write(r'face_trainer\trainer.yml')
31 print("{0} faces trained. Exiting Program".format(len(np.unique(ids))))

注：1.第8行的LBPHFaceRecognizer_create()爲contrib中的函數，筆者以前本身摸索時，沒有安裝此包，所以卡了好久，印象深入。

注：2.運行該程序前，請在人臉識別文件夾下建立face_trainer文件夾。

 

4.face_recognition 人臉檢測

 1 import cv2
 2 
 3 recognizer = cv2.face.LBPHFaceRecognizer_create()
 4 recognizer.read('face_trainer/trainer.yml')
 5 cascadePath = "haarcascade_frontalface_default.xml"
 6 faceCascade = cv2.CascadeClassifier(cascadePath)
 7 font = cv2.FONT_HERSHEY_SIMPLEX
 8 
 9 idnum = 0
10 
11 names = ['Allen', 'Bob']
12 
13 cam = cv2.VideoCapture(0)
14 minW = 0.1*cam.get(3)
15 minH = 0.1*cam.get(4)
16 
17 while True:
18     ret, img = cam.read()
19     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
20 
21     faces = faceCascade.detectMultiScale(
22         gray,
23         scaleFactor=1.2,
24         minNeighbors=5,
25         minSize=(int(minW), int(minH))
26     )
27 
28     for (x, y, w, h) in faces:
29         cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)
30         idnum, confidence = recognizer.predict(gray[y:y+h, x:x+w])
31 
32         if confidence < 100:
33             idnum = names[idnum]
34             confidence = "{0}%".format(round(100 - confidence))
35         else:
36             idnum = "unknown"
37             confidence = "{0}%".format(round(100 - confidence))
38 
39         cv2.putText(img, str(idnum), (x+5, y-5), font, 1, (0, 0, 255), 1)
40         cv2.putText(img, str(confidence), (x+5, y+h-5), font, 1, (0, 0, 0), 1)
41 
42     cv2.imshow('camera', img)
43     k = cv2.waitKey(10)
44     if k == 27:
45         break
46 
47 cam.release()
48 cv2.destroyAllWindows()

注：1. 11行的names中存儲人的名字，若該人id爲0則他的名字在第一位，id位1則排在第二位，以此類推。

注：2. 最終效果爲一個綠框，框住人臉，左上角爲紅色的人名，左下角爲黑色的機率。

4、結語，參考文獻，與擴展閱讀

1.結語

真是不容易啊，第一次寫博客，終於寫完了。說一說初衷吧，當初我本想作一個電腦的人臉解鎖。個人想法是，手機都有人臉解鎖，電腦也能夠作。

但我認爲，我並不能真的實現，一是我不知道怎樣鎖住電腦，雖然我能夠用python的easygui去模仿一個登錄界面，輸入密碼解鎖，然而，我清楚，

我並不能真正的鎖住電腦，因此我就放棄了這個計劃。若是有大神能夠作到，請務必在評論區留言，我迫切的但願知道該怎樣作。

說一說我寫這篇博客的目的吧，我當初一路走來，在網上搜到的大可能是CSDN上的博客，且大多爲人臉檢測，並無人臉識別，數據收集和模型訓練。

僅有的幾篇也都講得雲裏霧裏，實在水平有限，看不懂。因而，我萌生了寫一篇給小白看的人臉識別的博客的想法，原本打算在csdn上寫，

但因爲種種緣由，我選擇了博客園。

2.參考文獻與擴展閱讀

在這裏，我要感謝樹莓派實驗室的一篇文章，個人大部分代碼都來源於此，對想要作深刻了解的讀者，能夠參考此文，如下是連接

http://shumeipai.nxez.com/2018/03/09/real-time-face-recognition-an-end-to-end-project-with-raspberry-pi.html

在此以一個問題結尾，爲何網上沒有詳細的關於如何在電腦上實現人臉識別的教程，而卻有在樹莓派上的詳細教程呢？這不是上升了一個門檻嗎？

也許是我沒找到？這是我寫這篇教程的初衷之一。