10分鐘手把手教你運用Python實現簡單的人臉識別

時間 2020-05-07

標籤 10分手把手運用 python 實現簡單識別欄目 Python 简体版

原文原文鏈接

欲直接下載代碼文件，關注咱們的公衆號哦！查看歷史消息便可！python

前言：讓個人電腦認識我git

個人電腦只有認識我，才配稱之爲個人電腦！github

今天，咱們用Python實現高大上的人臉識別技術！算法

Python裏，簡單的人臉識別有不少種方法能夠實現，依賴於python膠水語言的特性，咱們經過調用包能夠快速準確的達成這一目的。這裏介紹的是準確性比較高的一種。數據庫

01 首先

梳理一下實現人臉識別須要進行的步驟：數組

流程大體如此，在此以前，要先讓人臉被準確的找出來，也就是能準確區分人臉的分類器，在這裏咱們能夠用已經訓練好的分類器，網上種類較全，分類準確度也比較高，咱們也能夠節約在這方面花的時間。app

ps:小編的寶貝來源已經放在下面連接裏啦~python2.7

02 接下來

2.1 對照人臉獲取

#-----獲取人臉樣本-----
import cv2

#調用筆記本內置攝像頭，參數爲0，若是有其餘的攝像頭能夠調整參數爲1,2
cap = cv2.VideoCapture(0)
#調用人臉分類器，要根據實際路徑調整3
face_detector = cv2.CascadeClassifier(r'X:/Users/73950/Desktop/FaceRec/haarcascade_frontalface_default.xml')  #待更改
#爲即將錄入的臉標記一個id
face_id = input('\n User data input,Look at the camera and wait ...')
#sampleNum用來計數樣本數目
count = 0

while True:    
    #從攝像頭讀取圖片
    success,img = cap.read()    
    #轉爲灰度圖片，減小程序符合，提升識別度
    if success is True: 
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
    else:   
        break
    #檢測人臉，將每一幀攝像頭記錄的數據帶入OpenCv中，讓Classifier判斷人臉
    #其中gray爲要檢測的灰度圖像，1.3爲每次圖像尺寸減少的比例，5爲minNeighbors
    faces = face_detector.detectMultiScale(gray, 1.3, 5)

    #框選人臉，for循環保證一個能檢測的實時動態視頻流
    for (x, y, w, h) in faces:
        #xy爲左上角的座標,w爲寬，h爲高，用rectangle爲人臉標記畫框
        cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0))
        #成功框選則樣本數增長
        count += 1  
        #保存圖像，把灰度圖片當作二維數組來檢測人臉區域
        #(這裏是創建了data的文件夾，固然也能夠設置爲其餘路徑或者調用數據庫)
        cv2.imwrite("data/User."+str(face_id)+'.'+str(count)+'.jpg',gray[y:y+h,x:x+w]) 
        #顯示圖片
        cv2.imshow('image',img)       
        #保持畫面的連續。waitkey方法能夠綁定按鍵保證畫面的收放，經過q鍵退出攝像
    k = cv2.waitKey(1)        
    if k == '27':
        break        
        #或者獲得800個樣本後退出攝像，這裏能夠根據實際狀況修改數據量，實際測試後800張的效果是比較理想的
    elif count >= 800:
        break

#關閉攝像頭，釋放資源
cap.realease()
cv2.destroyAllWindows()

經小編測試，在執行

「face_detector = cv2.CascadeClssifier(r'C:\Users\admin\Desktop\python\data\haarcascade_frontalface_default.xml')」此語句時，實際路徑中的目錄名儘可能不要有中文字符出現，不然容易報錯。

這樣，你的電腦就能看到你啦！

2.2 經過算法創建對照模型

本次所用的算法爲opencv中所自帶的算法，opencv較新版本中（我使用的是2.4.8）提供了一個FaceRecognizer類，裏面有相關的一些人臉識別的算法及函數接口，其中包括三種人臉識別算法（咱們採用的是第三種）

1.eigenface

2.fisherface

3.LBPHFaceRecognizer

LBP是一種特徵提取方式，能提取出圖像的局部的紋理特徵，最開始的LBP算子是在3X3窗口中，取中心像素的像素值爲閥值，與其周圍八個像素點的像素值比較，若像素點的像素值大於閥值，則此像素點被標記爲1，不然標記爲0。這樣就能獲得一個八位二進制的碼，轉換爲十進制即LBP碼，因而獲得了這個窗口的LBP值，用這個值來反映這個窗口內的紋理信息。

LBPH是在原始LBP上的一個改進，在opencv支持下咱們能夠直接調用函數直接建立一個LBPH人臉識別的模型。

咱們在前一部分的同目錄下建立一個Python文件，文件名爲trainner.py，用於編寫數據集生成腳本。同目錄下，建立一個文件夾，名爲trainner，用於存放咱們訓練後的識別器。

#-----創建模型、建立數據集-----#-----創建模型、建立數據集-----

import os
import cv2
import numpy as np
from PIL import Image
#導入pillow庫，用於處理圖像
#設置以前收集好的數據文件路徑
path = 'data'

#初始化識別的方法
recog = cv2.face.LBPHFaceRecognizer_create()

#調用熟悉的人臉分類器
detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

#建立一個函數，用於從數據集文件夾中獲取訓練圖片,並獲取id
#注意圖片的命名格式爲User.id.sampleNum
def get_images_and_labels(path):
    image_paths = [os.path.join(path,f) for f in os.listdir(path)]
    #新建連個list用於存放
    face_samples = []
    ids = []

    #遍歷圖片路徑，導入圖片和id添加到list中
    for image_path in image_paths:

        #經過圖片路徑將其轉換爲灰度圖片
        img = Image.open(image_path).convert('L')

        #將圖片轉化爲數組
        img_np = np.array(img,'uint8')

        if os.path.split(image_path)[-1].split(".")[-1] != 'jpg':
            continue

        #爲了獲取id，將圖片和路徑分裂並獲取
        id = int(os.path.split(image_path)[-1].split(".")[1])
        faces = detector.detectMultiScale(img_np)

        #將獲取的圖片和id添加到list中
        for(x,y,w,h) in faces:
            face_samples.append(img_np[y:y+h,x:x+w])
            ids.append(id)
    return face_samples,ids

#調用函數並將數據餵給識別器訓練
print('Training...')
faces,ids = get_images_and_labels(path)
#訓練模型
recog.train(faces,np.array(ids))
#保存模型
recog.save('trainner/trainner.yml')

這就讓電腦認識到你是不同凡響的那顆星~

2.3 識別

檢測，校驗，輸出其實都是識別的這一過程，與前兩個過程不一樣，這是涉及實際使用的過程，因此咱們把他整合放在一個統一的一個文件內。

#-----檢測、校驗並輸出結果-----
import cv2

#準備好識別方法
recognizer = cv2.face.LBPHFaceRecognizer_create()

#使用以前訓練好的模型
recognizer.read('trainner/trainner.yml')

#再次調用人臉分類器
cascade_path = "haarcascade_frontalface_default.xml" 
face_cascade = cv2.CascadeClassifier(cascade_path)

#加載一個字體，用於識別後，在圖片上標註出對象的名字
font = cv2.FONT_HERSHEY_SIMPLEX

idnum = 0
#設置好與ID號碼對應的用戶名，以下，如0對應的就是初始

names = ['初始','admin','user1','user2','user3']

#調用攝像頭
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)
    #識別人臉
    faces = face_cascade.detectMultiScale(
            gray,
            scaleFactor = 1.2,
            minNeighbors = 5,
            minSize = (int(minW),int(minH))
            )
    #進行校驗
    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])

        #計算出一個檢驗結果
        if confidence < 100:
            idum = names[idnum]
            confidence = "{0}%",format(round(100-confidence))
        else:
            idum = "unknown"
            confidence = "{0}%",format(round(100-confidence))

        #輸出檢驗結果以及用戶名
        cv2.putText(img,str(idum),(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)

        #展現結果
        cv2.imshow('camera',img)
        k = cv2.waitKey(20)
        if k == 27:
            break

#釋放資源
cam.release()
cv2.destroyAllWindows()

如今，你的電腦就能識別出你來啦！

經過其餘組合也能夠實現開機檢測等多種功能，你學會了嗎？

下面是小編審稿時的測試結果以及出現的一些問題哦~但願對你們有幫助（呲牙.jpg）

測試結果

小編審稿測試過程當中出現的問題：

（1）版本問題

**解決方法：**通過小編無數次的失敗，提示你們最好安裝python2.7，能夠直接使用 pip install numpy 以及pip install opencv-python安裝numpy 以及對應python版本的opencv

（若是使用的是Anaconda2，pip相關命令可在開始菜單Anaconda2文件夾下的Anaconda Prompt中輸入）

點擊推文中給出的連接，將github中的文件下載後放至編譯文件所在的文件夾下，並更改代碼中的相關目錄

（2）若是提示「module' object has no attribute 'face'」

**解決方法：**能夠輸入 pip install opencv-contrib-python解決，若是提示須要commission，能夠在後面加上 --user,即 pip install opencv-contrib-python --user

若有其它問題歡迎你們隨時聯繫咱們呀