不知道有没有二 先写了一再说。
这篇博客记录下我7天对yolov5+deepsort的改造，不，应该说是小改动。
场景：单海康萤石摄像头下的身份识别+人物跟踪。
环境gpu 3070 cuda 11.3 torch1.10 trochvision 11
不知道有没有大佬推荐其他方法，本人采用人脸识别+yolov5+deepsort为 人脸识别为opencv中的
cv2.face.EigenFaceRecognizer_create和cv2.CascadeClassifier方法去对人脸进行检测和识别
不说其他上环境：pycocotools安装包，我transformer那篇文章有：
absl-py==1.0.0
cachetools==5.0.0
certifi==2021.10.8
charset-normalizer==2.0.12
colorama==0.4.4
cycler==0.11.0
Cython==0.29.28
easydict==1.9
faiss-cpu==1.7.1
flatbuffers==2.0
fonttools==4.31.2
google-auth==2.6.2
google-auth-oauthlib==0.4.6
grpcio==1.45.0
idna==3.3
importlib-metadata==4.11.3
joblib==1.1.0
kiwisolver==1.4.2
lib==4.0.0
Markdown==3.3.6
matplotlib==3.5.1
numpy==1.22.3
oauthlib==3.2.0
onnxruntime-gpu==1.11.0
opencv-contrib-python==4.4.0.44
opencv-python==4.5.5.64
packaging==21.3
pandas==1.4.1
Pillow==9.0.1
protobuf==3.19.4
pyasn1==0.4.8
pyasn1-modules==0.2.8
pycocotools @ file:///D:/software/pycocotools-2.0.4.tar.gz
pyparsing==3.0.7
python-dateutil==2.8.2
pytz==2022.1
PyYAML==5.4.1
requests==2.27.1
requests-oauthlib==1.3.1
rsa==4.8
scikit-learn==1.0.2
scipy==1.8.0
seaborn==0.11.2
six==1.16.0
tabulate==0.8.9
tensorboard==2.8.0
tensorboard-data-server==0.6.1
tensorboard-plugin-wit==1.8.1
termcolor==1.1.0
threadpoolctl==3.1.0
torch @ file:///D:/software/torch-1.10.0%2Bcu113-cp38-cp38-win_amd64.whl
torchvision @ file:///D:/software/torchvision-0.11.0%2Bcu113-cp38-cp38-win_amd64.whl
tqdm==4.63.1
typing_extensions==4.1.1
urllib3==1.26.9
Werkzeug==2.1.0
wincertstore==0.2
yacs==0.1.8
zipp==3.7.0
人脸准备训练和识别代码：
# -*- coding: utf-8 -*-
"""
Created on Sat Oct 27 11:43:47 2018
@author: Administrator
"""
'''
调用opencv的库实现人脸识别
'''
import time
import cv2
import numpy as np
import os
import threading
from rtsp import myThread
thread_lock = threading.Lock()
thread_exit=False
import shutil
# from camera_catch import camera_service
class person_face():
def __init__(self, name="yyy", xml_path=None, root_dir=None):
self.name =name
# 根目录
self.root_dir = r"E:\workspace\person_tracking\data\face"
#文件夹名以人名命名
self.face_dir =os.path.join(self.root_dir,name)
# self.root_dir = root_dir
# self.xml_path =xml_path
self.xml_path =r'E:\workspace\person_tracking\data\haarcascade_frontalface_default.xml'
# self.face_casecade = cv2.CascadeClassifier(self.xml_path)
global thread_exit
# 采集自己的人脸数据
def generator(self):
'''
打开摄像头，读取帧，检测该帧图像中的人脸，并进行剪切、缩放
生成图片满足以下格式：
1.灰度图，后缀为 .png
2.图像大小相同
params:
data:指定生成的人脸数据的保存路径
'''
img_height = 480
img_width = 720
thread = myThread(img_height, img_width)
thread.start()
if not os.path.exists(self.face_dir):
os.mkdir(self.face_dir)
# 创建一个级联分类器
# face_casecade = cv2.CascadeClassifier(r'D:\anaconda3\envs\opencv4.5\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml')
face_casecade = cv2.CascadeClassifier(self.xml_path)
while not thread_exit:
thread_lock.acquire()
frame = thread.get_frame()
thread_lock.release()
gray_img = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 人脸检测q
face = face_casecade.detectMultiScale(gray_img, 1.3, 5)
for (x, y, w, h) in face:
# 在原图上绘制矩形
cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 2)
# 调整图像大小
new_frame = cv2.resize(frame[y:y + h, x:x + w], (92, 112))
# 保存人脸
cv2.imwrite('%s/%s.png' % (self.face_dir, str(time.time())), new_frame)
cv2.imshow('Dynamic', frame)
# 按下q键退出
if cv2.waitKey(100) & 0xff == ord('q'):
break
cv2.destroyAllWindows()
# 载入图像 读取ORL人脸数据库，准备训练数据
def LoadImages(self):
'''
加载图片数据用于训练
params:
data:训练数据所在的目录，要求图片尺寸一样
ret:
images:[m,height,width] m为样本数，height为高，width为宽
names：名字的集合
labels：标签
'''
images = []
names = []
labels = []
label = 0
# 遍历所有文件夹
for subdir in os.listdir(self.root_dir):
subpath = os.path.join(self.root_dir, subdir)
# print('path',subpath)
# 判断文件夹是否存在
if os.path.isdir(subpath):
# 在每一个文件夹中存放着一个人的许多照片
names.append(subdir)
# 遍历文件夹中的图片文件
for filename in os.listdir(subpath):
imgpath = os.path.join(subpath, filename)
img = cv2.imread(imgpath, cv2.IMREAD_COLOR)
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# cv2.imshow('1',img)
# cv2.waitKey(0)
images.append(gray_img)
labels.append(label)
label += 1
images = np.asarray(images)
# names=np.asarray(names)
labels = np.asarray(labels)
return images, labels, names
# 检验训练结果
def FaceRec(self):
# 加载训练的数据
X, y, names = self.LoadImages()
# print('x',X)
model = cv2.face.EigenFaceRecognizer_create()
model.train(X, y)
# 打开摄像头
url = "rtsp://user:[email protected]/Streaming/Channels/1"
cap = cv2.VideoCapture(url)
cv2.namedWindow('Dynamic')
# 创建级联分类器
face_casecade = cv2.CascadeClassifier(self.xml_path)
while (True):
# 读取一帧图像
# ret:图像是否读取成功
# frame：该帧图像
ret, frame = cap.read()
# 判断图像是否读取成功
# print('ret',ret)
if ret:
# 转换为灰度图
gray_img = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 利用级联分类器鉴别人脸
faces = face_casecade.detectMultiScale(gray_img, 1.3, 5)
# 遍历每一帧图像，画出矩形
for (x, y, w, h) in faces:
frame = cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2) # 蓝色
roi_gray = gray_img[y:y + h, x:x + w]
try:
# 将图像转换为宽92 高112的图像
# resize（原图像，目标大小，（插值方法）interpolation=，）
roi_gray = cv2.resize(roi_gray, (92, 112), interpolation=cv2.INTER_LINEAR)
params = model.predict(roi_gray)
print('Label:%s,confidence:%.2f' % (params[0], params[1]))
'''
putText:给照片添加文字
putText(输入图像，'所需添加的文字'，左上角的坐标，字体，字体大小，颜色，字体粗细)
'''
cv2.putText(frame, names[params[0]], (x, y - 20), cv2.FONT_HERSHEY_SIMPLEX, 1, 255, 2)
except:
continue
cv2.imshow('Dynamic', frame)
# 按下q键退出
if cv2.waitKey(100) & 0xff == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
if __name__ == '__main__':
data = r"E:\workspace\person_tracking\data\face"
serve= person_face()
# LoadImages(data)
# image = camera_service()
# generator(image,"ybj")
serve.generator()上完代码上模型文件：
链接：https://pan.baidu.com/s/1cRVmq7qVKfJg8yDo7sLWNg
提取码：face
放到自己的位置，修改路径即可
如果按我上面的步骤报错：
cascadedetect.cpp:1658: error: (-215:Assertion failed) !empty() in function ‘cv::CascadeClassifier::detectMultiScale’
不用想肯定是xml 文件路径的问题或者xml文件的问题，解决方法：
anaconda3\envs\opencv4.5\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml
到你的环境下，这个文件其实已经生成了，拿出来替换掉即可
运行步骤，先跑generator（） 生成图像集，再跑FaceRec() 即可识别
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）