Python-OpenCV人臉識別之數據集生成

在上一篇文章中，咱們學習瞭如何安裝配置OpenCV和Python，而後寫了些代碼玩玩人臉檢測。如今咱們要進行下一步了，即搞一我的臉識別程序，就是不僅是檢測還須要識別到人是誰。

來，搞人臉識別

要搞一我的臉識別程序，首先咱們須要先用提早裁剪好的標註好的人臉照片訓練一個識別器。好比說，咱們的識別器須要識別兩我的，一我的的id是1，而另外一個的id是2，因而在數據集裏面，1號人的全部照片會有id 1號，2號人同理。而後咱們就會使用這些數據集照片去訓練識別器，再從一個視頻中識別出1號人。

咱們把要作的事分紅三部分：

1. 建立數據集
2. 訓練
3. 識別

在本文中，咱們會嘗試寫一個程序來生成數據集。

生成數據集

咱們來寫一個數據集生成腳本。

首先打開咱們的Python環境，無論是Pycharm等IDE，仍是簡單的記事本都行。須要提早準備的是在目錄中放好haarcascade_frontalface_default.xml，上一篇也有用到過這個XML文件，就是OpenCV自帶的。

接下來使用cv2獲取攝像頭數據以及XML文件：

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

咱們的數據集須要先從攝像頭採集一些人臉例子照片，固然，只能是同一我的的。而後程序會給這些例子照片添加id，並將照片保存在一個文件夾中，這個文件夾咱們就將它命名爲dataSet吧。

來，咱們在py腳本的同目錄下建立一個dataSet的文件夾。爲了避免會將不一樣的人臉照片弄混，咱們須要定一個命名規則，用於給照片命名。

例如，命名規則爲User.[ID].[SampleNumber].jpg。若是是2號人的第十張照片，咱們能夠將它命名爲User.2.10.jpg。

爲何要定義這樣的格式呢？由於這樣，在加載照片訓練的時候，咱們就能夠只經過照片的文件名，就能簡單地判斷是幾號用戶的人臉照片。

接下來，咱們嘗試用比較簡單的方法，經過shell輸入，來獲取人的id，而且初始化計算器變量來存儲人們的例子數。

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

而後咱們加入一個主循環，咱們會從視頻流中輸入20個例子，而後把例子都保存在已經建立好的dataSet文件夾。

這是以前寫過的代碼版本，用於人臉檢測：

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

如今咱們將它改形成數據集生成程序：

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)

        # 增長例子數
        sampleNum = sampleNum + 1
        # 把照片保存到數據集文件夾
        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

咱們添加了兩行代碼，用以計算例子數，以及將人臉照片按照咱們的命名規則保存爲jpg格式。

其中有一個值得注意的地方，就是gray[y : y + h, x : x + w]。此處咱們是把一張灰度圖片當作一個二維數組（或二維矢量），而後使用python中[]截取OpenCV檢測出來的人臉區域。

不過這樣的代碼會在一秒內快速地生成許多照片，好比說20張。咱們不想要那麼快，咱們須要的是更好的素材，好比說從不一樣角度拍攝出來的照片，這樣的話，要求慢一點。

爲了慢一點，咱們須要提升一下兩次拍攝之間的延遲。同時，咱們素材不須要太多，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)

        # 增長例子數 
        sampleNum = sampleNum + 1
        # 把照片保存到數據集文件夾
        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20張就能夠停了
    elif sampleNum > 20:
        break

好，繼續，如今的代碼就會在兩個拍攝間延遲100毫秒，100毫秒足夠讓咱們去移動咱們人臉的角度了（時間不夠長就再加）。並且，在拍攝20張後就中止了。

最後記得釋放資源：

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()

生成結果

如圖，已經生成了一堆訓練素材了。

先這樣吧

原文，如有錯誤之處請指出，更多地關注煎魚。