怎樣使用Python實(shí)現(xiàn)簡(jiǎn)單的人臉識(shí)別功能

這篇文章給大家分享的是有關(guān)怎樣使用Python實(shí)現(xiàn)簡(jiǎn)單的人臉識(shí)別功能的內(nèi)容。小編覺(jué)得挺實(shí)用的，因此分享給大家做個(gè)參考，一起跟隨小編過(guò)來(lái)看看吧。

一、首先

梳理一下實(shí)現(xiàn)人臉識(shí)別需要進(jìn)行的步驟：

流程大致如此，在此之前，要先讓人臉被準(zhǔn)確的找出來(lái)，也就是能準(zhǔn)確區(qū)分人臉的分類(lèi)器，在這里我們可以用已經(jīng)訓(xùn)練好的分類(lèi)器，網(wǎng)上種類(lèi)較全，分類(lèi)準(zhǔn)確度也比較高，我們也可以節(jié)約在這方面花的時(shí)間。

既然用的是python，那自然少不了包的使用了，在看代碼之前，我們先將整個(gè)項(xiàng)目所需要的包羅列一下：

· CV2(Opencv)：圖像識(shí)別，攝像頭調(diào)用

· os：文件操作

· numpy：NumPy(Numerical Python) 是 Python 語(yǔ)言的一個(gè)擴(kuò)展程序庫(kù)，支持大量的維度數(shù)組與矩陣運(yùn)算，此外也針對(duì)數(shù)組運(yùn)算提供大量的數(shù)學(xué)函數(shù)庫(kù)

· PIL：Python Imaging Library，Python平臺(tái)事實(shí)上是圖像處理的標(biāo)準(zhǔn)庫(kù)

二、接下來(lái)

1.對(duì)照人臉獲取

#-----獲取人臉樣本-----
import cv2
 
#調(diào)用筆記本內(nèi)置攝像頭，參數(shù)為0，如果有其他的攝像頭可以調(diào)整參數(shù)為1,2
cap = cv2.VideoCapture(0)
#調(diào)用人臉?lè)诸?lèi)器，要根據(jù)實(shí)際路徑調(diào)整3
face_detector = cv2.CascadeClassifier(r'X:/Users/73950/Desktop/FaceRec/haarcascade_frontalface_default.xml')  #待更改
#為即將錄入的臉標(biāo)記一個(gè)id
face_id = input('\n User data input,Look at the camera and wait ...')
#sampleNum用來(lái)計(jì)數(shù)樣本數(shù)目
count = 0
 
while True:    
    #從攝像頭讀取圖片
    success,img = cap.read()    
    #轉(zhuǎn)為灰度圖片，減少程序符合，提高識(shí)別度
    if success is True: 
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
    else:   
        break
    #檢測(cè)人臉，將每一幀攝像頭記錄的數(shù)據(jù)帶入OpenCv中，讓Classifier判斷人臉
    #其中g(shù)ray為要檢測(cè)的灰度圖像，1.3為每次圖像尺寸減小的比例，5為minNeighbors
    faces = face_detector.detectMultiScale(gray, 1.3, 5)
 
    #框選人臉，for循環(huán)保證一個(gè)能檢測(cè)的實(shí)時(shí)動(dòng)態(tài)視頻流
    for (x, y, w, h) in faces:
        #xy為左上角的坐標(biāo),w為寬，h為高，用rectangle為人臉標(biāo)記畫(huà)框
        cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0))
        #成功框選則樣本數(shù)增加
        count += 1  
        #保存圖像，把灰度圖片看成二維數(shù)組來(lái)檢測(cè)人臉區(qū)域
        #(這里是建立了data的文件夾，當(dāng)然也可以設(shè)置為其他路徑或者調(diào)用數(shù)據(jù)庫(kù))
        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(huà)面的連續(xù)。waitkey方法可以綁定按鍵保證畫(huà)面的收放，通過(guò)q鍵退出攝像
    k = cv2.waitKey(1)        
    if k == '27':
        break        
        #或者得到800個(gè)樣本后退出攝像，這里可以根據(jù)實(shí)際情況修改數(shù)據(jù)量，實(shí)際測(cè)試后800張的效果是比較理想的
    elif count >= 800:
        break
 
#關(guān)閉攝像頭，釋放資源
cap.realease()
cv2.destroyAllWindows()

經(jīng)博主測(cè)試，在執(zhí)行

“face_detector = cv2.CascadeClssifier(r'C:\Users\admin\Desktop\python\data\ haarcascade_frontalface_default.xml')”此語(yǔ)句時(shí)，實(shí)際路徑中的目錄名盡量不要有中文字符出現(xiàn)，否則容易報(bào)錯(cuò)。

這樣，你的電腦就能看到你啦！

2. 通過(guò)算法建立對(duì)照模型

本次所用的算法為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(gè)FaceRecognizer類(lèi)，里面有相關(guān)的一些人臉識(shí)別的算法及函數(shù)接口，其中包括三種人臉識(shí)別算法（我們采用的是第三種）

1.eigenface

2.fisherface

3.LBPHFaceRecognizer

LBP是一種特征提取方式，能提取出圖像的局部的紋理特征，最開(kāi)始的LBP算子是在3X3窗口中，取中心像素的像素值為閥值，與其周?chē)藗€(gè)像素點(diǎn)的像素值比較，若像素點(diǎn)的像素值大于閥值，則此像素點(diǎn)被標(biāo)記為1，否則標(biāo)記為0。這樣就能得到一個(gè)八位二進(jìn)制的碼，轉(zhuǎn)換為十進(jìn)制即LBP碼，于是得到了這個(gè)窗口的LBP值，用這個(gè)值來(lái)反映這個(gè)窗口內(nèi)的紋理信息。

LBPH是在原始LBP上的一個(gè)改進(jìn)，在opencv支持下我們可以直接調(diào)用函數(shù)直接創(chuàng)建一個(gè)LBPH人臉識(shí)別的模型。

我們?cè)谇耙徊糠值耐夸浵聞?chuàng)建一個(gè)Python文件，文件名為trainner.py，用于編寫(xiě)數(shù)據(jù)集生成腳本。同目錄下，創(chuàng)建一個(gè)文件夾，名為trainner，用于存放我們訓(xùn)練后的識(shí)別器。

#-----建立模型、創(chuàng)建數(shù)據(jù)集-----#-----建立模型、創(chuàng)建數(shù)據(jù)集-----
 
import os
import cv2
import numpy as np
from PIL import Image
#導(dǎo)入pillow庫(kù)，用于處理圖像
#設(shè)置之前收集好的數(shù)據(jù)文件路徑
path = 'data'
 
#初始化識(shí)別的方法
recog = cv2.face.LBPHFaceRecognizer_create()
 
#調(diào)用熟悉的人臉?lè)诸?lèi)器
detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
 
#創(chuàng)建一個(gè)函數(shù)，用于從數(shù)據(jù)集文件夾中獲取訓(xùn)練圖片,并獲取id
#注意圖片的命名格式為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(gè)list用于存放
    face_samples = []
    ids = []
 
    #遍歷圖片路徑，導(dǎo)入圖片和id添加到list中
    for image_path in image_paths:
 
        #通過(guò)圖片路徑將其轉(zhuǎn)換為灰度圖片
        img = Image.open(image_path).convert('L')
 
        #將圖片轉(zhuǎn)化為數(shù)組
        img_np = np.array(img,'uint8')
 
        if os.path.split(image_path)[-1].split(".")[-1] != 'jpg':
            continue
 
        #為了獲取id，將圖片和路徑分裂并獲取
        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(diào)用函數(shù)并將數(shù)據(jù)喂給識(shí)別器訓(xùn)練
print('Training...')
faces,ids = get_images_and_labels(path)
#訓(xùn)練模型
recog.train(faces,np.array(ids))
#保存模型
recog.save('trainner/trainner.yml')

3.識(shí)別

檢測(cè)，校驗(yàn)，輸出其實(shí)都是識(shí)別的這一過(guò)程，與前兩個(gè)過(guò)程不同，這是涉及實(shí)際使用的過(guò)程，所以我們把他整合放在一個(gè)統(tǒng)一的一個(gè)文件內(nèi)。

#-----檢測(cè)、校驗(yàn)并輸出結(jié)果-----
import cv2
 
#準(zhǔn)備好識(shí)別方法
recognizer = cv2.face.LBPHFaceRecognizer_create()
 
#使用之前訓(xùn)練好的模型
recognizer.read('trainner/trainner.yml')
 
#再次調(diào)用人臉?lè)诸?lèi)器
cascade_path = "haarcascade_frontalface_default.xml" 
face_cascade = cv2.CascadeClassifier(cascade_path)
 
#加載一個(gè)字體，用于識(shí)別后，在圖片上標(biāo)注出對(duì)象的名字
font = cv2.FONT_HERSHEY_SIMPLEX
 
idnum = 0
#設(shè)置好與ID號(hào)碼對(duì)應(yīng)的用戶名，如下，如0對(duì)應(yīng)的就是初始
 
names = ['初始','admin','user1','user2','user3']
 
#調(diào)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(shí)別人臉
    faces = face_cascade.detectMultiScale(
            gray,
            scaleFactor = 1.2,
            minNeighbors = 5,
            minSize = (int(minW),int(minH))
            )
    #進(jìn)行校驗(yàn)
    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(jì)算出一個(gè)檢驗(yàn)結(jié)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(yàn)結(jié)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)
 
        #展示結(jié)果
        cv2.imshow('camera',img)
        k = cv2.waitKey(20)
        if k == 27:
            break
 
#釋放資源
cam.release()
cv2.destroyAllWindows()

現(xiàn)在，你的電腦就能識(shí)別出你來(lái)啦！

通過(guò)其他組合也可以實(shí)現(xiàn)開(kāi)機(jī)檢測(cè)等多種功能，你學(xué)會(huì)了嗎？

下面是博主審稿時(shí)的測(cè)試結(jié)果以及出現(xiàn)的一些問(wèn)題哦~希望對(duì)大家有幫助（呲牙.jpg）

測(cè)試結(jié)果：

博主審稿測(cè)試過(guò)程中出現(xiàn)的問(wèn)題：

（1）版本問(wèn)題

解決方法：經(jīng)過(guò)博主無(wú)數(shù)次的失敗，提示大家最好安裝python2.7，可以直接使用 pip install numpy 以及pip install opencv-python安裝numpy 以及對(duì)應(yīng)python版本的opencv

（如果使用的是Anaconda2，pip相關(guān)命令可在開(kāi)始菜單Anaconda2文件夾下的Anaconda Prompt中輸入）

點(diǎn)擊推文中給出的鏈接，將github中的文件下載后放至編譯文件所在的文件夾下，并更改代碼中的相關(guān)目錄

（2）如果提示“module' object has no attribute 'face'”

解決方法：可以輸入 pip install opencv-contrib-python解決，如果提示需要commission，可以在后面加上 --user,即 pip install opencv-contrib-python --user

感謝各位的閱讀！關(guān)于“怎樣使用Python實(shí)現(xiàn)簡(jiǎn)單的人臉識(shí)別功能”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，讓大家可以學(xué)到更多知識(shí)，如果覺(jué)得文章不錯(cuò)，可以把它分享出去讓更多的人看到吧！