import cv2 face_name = 'cjw' # 该人脸的名字 # 加载OpenCV人脸检测分类器 face_cascade = cv2.CascadeClassifier("D:/BaiduNetdiskDownload/python/opencv/opencv-4.5.1/" "data/haarcascades/haarcascade_frontalface_default.xml") recognizer = cv2.face.LBPHFaceRecognizer_create() # 准备好识别方法LBPH方法 camera = cv2.VideoCapture(0) # 0:开启摄像头 success, img = camera.read() # 从摄像头读取照片 W_size = 0.1 * camera.get(3) # 在视频流的帧的宽度 H_size = 0.1 * camera.get(4) # 在视频流的帧的高度 def get_face(): print("正在从摄像头录入新人脸信息 n") picture_num = 0 # 设置录入照片的初始值 while True: # 从摄像头读取图片 global success # 设置全局变量 global img # 设置全局变量 ret, frame = camera.read() # 获得摄像头读取到的数据(ret为返回值,frame为视频中的每一帧) if ret is True: gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 转为灰度图片 else: break face_detector = face_cascade # 记录摄像头记录的每一帧的数据,让Classifier判断人脸 faces = face_detector.detectMultiScale(gray, 1.3, 5) # gray是要灰度图像,1.3为每次图像尺寸减小的比例,5为minNeighbors for (x, y, w, h) in faces: # 制造一个矩形框选人脸(xy为左上角的坐标,w为宽,h为高) cv2.rectangle(frame, (x, y), (x + w, y + w), (255, 0, 0)) picture_num += 1 # 照片数加一 t = face_name cv2.imwrite("./data/1." + str(t) + '.' + str(picture_num) + '.jpg', gray[y:y + h, x:x + w]) # 保存图像,将脸部的特征转化为二维数组,保存在data文件夹内 maximums_picture = 13 # 设置摄像头拍摄照片的数量的上限 if picture_num > maximums_picture: break cv2.waitKey(1) get_face()
注意:加载分类器的文件地址;cv2.imwrite:保存图片的路径
(2)数据训练.py
import os import cv2 from PIL import Image import numpy as np def getlable(path): facesamples = [] # 储存人脸数据(该数据为二位数组) ids = [] # 储存星门数据 imagepaths = [os.path.join(path, f) for f in os.listdir(path)] # 储存图片信息 face_detector = cv2.CascadeClassifier('D:/BaiduNetdiskDownload/python/opencv/opencv-4.5.1/data/haarcascades/' 'haarcascade_frontalface_alt2.xml') # 加载分类器 print('数据排列:', imagepaths) # 打印数组imagepaths for imagePath in imagepaths: # 遍历列表中的图片 pil_img = Image.open(imagePath).convert('L') # 打开图片,灰度化,PIL的两种不同模式: # (1)1(黑白,有像素的地方为1,无像素的地方为0) # (2)L(灰度图像,把每个像素点变成0~255的数值,颜色越深值越大) img_numpy = np.array(pil_img, 'uint8') # 将图像转化为数组 faces = face_detector.detectMultiScale(img_numpy) # 获取人脸特征 id = int(os.path.split(imagePath)[1].split('.')[0]) # 获取每张图片的id和姓名 for x, y, w, h in faces: # 预防无面容照片 ids.append(id) facesamples.append(img_numpy[y:y+h, x:x+w]) # 打印脸部特征和id print('id:', id) print('fs:', facesamples) return facesamples, ids if __name__ == '__main__': path = 'D:/BaiduNetdiskDownload/python/opencv/pythonProject/face1/data' # 图片路径 faces, ids = getlable(path) # 获取图像数组和id标签数组和姓名 recognizer = cv2.face.LBPHFaceRecognizer_create() # 获取训练对象 recognizer.train(faces, np.array(ids)) recognizer.write('trainer/trainer.yml') # 保存生成的人脸特征数据文件(3) 进行识别.py
import cv2 import os # 加载训练数据集文件 recogizer = cv2.face.LBPHFaceRecognizer_create() recogizer.read('trainer/trainer.yml') # 获取脸部特征数据文件 names = [] warningtime = 0 def face_detect_demo(img): gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转换为灰度图像 face_detector = cv2.CascadeClassifier('D:/BaiduNetdiskDownload/python/opencv/opencv-4.5.1/' 'data/haarcascades/haarcascade_frontalface_default.xml') # 加载分类器 face = face_detector.detectMultiScale(gray, 1.3, 5, cv2.CASCADE_SCALE_IMAGE, (100, 100), (300, 300)) # 进行识别,把整张人脸部分框起来 for x, y, w, h in face: cv2.rectangle(img, (x, y), (x+w, y+h), color=(0, 0, 255), thickness=2) # 矩形 cv2.circle(img, center=(x+w//2, y+h//2), radius=w//2, color=(0, 255, 0), thickness=1) # 圆形 ids, confidence = recogizer.predict(gray[y:y + h, x:x + w]) # 进行预测、评分 if confidence > 80: global warningtime warningtime += 1 if warningtime > 100: # 警报达到一定次数,说明不是这个人 warningtime = 0 cv2.putText(img, 'unkonw', (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1) else: cv2.putText(img, str(names[ids-1]), (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1) # 把姓名打到人脸的框图上 cv2.imshow('result', img) # print('bug:',ids) def name(): path = 'D:/BaiduNetdiskDownload/python/opencv/pythonProject/face1/data' imagepaths = [os.path.join(path, f) for f in os.listdir(path)] for imagePath in imagepaths: name1 = str(os.path.split(imagePath)[1].split('.', 2)[1]) names.append(name1) cap = cv2.VideoCapture('3.mp4') name() while True: flag, frame = cap.read() # 获得摄像头读取到的数据(flag为返回值,frame为视频中的每一帧) if not flag: break face_detect_demo(frame) if ord(' ') == cv2.waitKey(10): # 按空格,退出 break cv2.destroyAllWindows() cap.release() # print(names)三、运行过程及结果 1、获取人脸照片于目标文件中 2、进行数据训练,获得trainer.yml文件中的数据
3.进行识别
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)