python基于opencv实现车辆识别人脸识别_python基于opencv实现车辆识别anaconda虚拟环境

需要软件：python（笔主3.7）、pycharm（社区版即可）

需要下载：opencv、pyq5

需要用到的分类器：

OpenCV人脸检测分类器 haarcascade_frontalface_default.xml（下载opencv后自带的，可以直接本地搜索）

汽车检测分类器 car.xml下载地址 https://github.com/duyet/opencv-car-detection 

（下不了可留下邮箱我发给你~）

如安装opencv 在pycharm下面的终端控制（Terminal）输入 (pyq5后面)

pip install opencv-python 

pip uninstall opencv-contrib-python

    //pip install PyQt5

登录界面 主界面

主页面-左图打开文件 右图灰度处理

 主页面-左图打开文件 右图车辆图片识别

 主页面-车辆视频

  主页面-人脸采集

 主页面-人脸训练（pycharm中）

 主页面-人脸识别（数值越小准确率越高，超过十次小于0.3视为识别成功）

代码部分

登录界面

主要用pyqt5搭建界面用sys实现退出等操作

预存两个用户root和niuniu，因为没有深入学python，否则可以想java和c一样做一个用户管理系统，实现增删改查

self.resize(w,h)是基于背景图片的w和t，自己下载自己调整

self.xxxxBtn.clicked.connect(self.xxxx)绑定事件

import sys
from PyQt5.QtWidgets import *
from PyQt5.QtGui import *
from mainW import mainW
import os
 
# 登录窗口的定义
class loginW(QWidget):
    #构造函数
    def __init__(self):
        super().__init__()
        self.resize(1146,710)
        self.setWindowTitle("opencv车流识别系统")
        self.setWindowIcon(QIcon("D:/python_work/opencv/img/x_智能.png"))
        #设置背景
        palette=QPalette()
        palette.setBrush(self.backgroundRole(),QBrush(QPixmap("D:/python_work/opencv/img/shou.jpg")))
        self.setPalette(palette)
        #给窗口添加控件
 
        #控件
        self.userLab=QLabel("用户名：",self)
        self.userLab.setGeometry(30,300,70,30)#x,y,w,h
        self.userLab.setStyleSheet("color:blue")
 
        self.pwdLab = QLabel("密 码：", self)
        self.pwdLab.setGeometry(30, 340, 70, 30)  # x,y,w,h
        self.pwdLab.setStyleSheet("color:blue")
 
        #编辑框
        self.userEdit=QLineEdit(self)
        self.userEdit.setGeometry(90,300,130,30)
        self.pwdEdit = QLineEdit(self)
        self.pwdEdit.setGeometry(90, 340, 130, 30)
        self.pwdEdit.setEchoMode(QLineEdit.Password)
        #按钮
        self.loginBtr=QPushButton("登录",self)
        self.loginBtr.setGeometry(30,400,100,30)
 
        self.quitBtr = QPushButton("退出", self)
        self.quitBtr.setGeometry(150, 400, 100, 30)
        #给按钮挂链接
        self.loginBtr.clicked.connect(self.login)
        self.quitBtr.clicked.connect(self.quit)
        self.userslist = [["root", "123456"], ["niuniu", "123456"]]
 
 
    def login(self):
        #登录事件
        print("login")
        userName=self.userEdit.text()
        userPwd=self.pwdEdit.text()#获取输入框的数据
        for (name, pwd) in self.userslist:
            if (userName == name and userPwd == pwd):
                print("登录成功")
 
                QMessageBox.about(self,"提示框","登录成功")
                os.system("start python mainW.py")
                sys.exit()
                break
            else:
                print("登录失败")
                QMessageBox.about(self, "提示框", "登录失败")
                break
    def quit(self):
        sys.exit()
 
 
 
if __name__=="__main__":
    app=QApplication(sys.argv)  #实例化QApplication应用程序对象
    loginWin=loginW()#实例化一个登录窗
    lt=mainW()
    loginWin.show()#显示窗口
    sys.exit(app.exec_())

主界面

主界面mainW代码

没用上

cap.release()
cv2.desstoryAllWindows()

里面摁ESC退出或人脸采集满300张（自定）会卡屏，点右上角x退出

里面文件的位置自己diy

import os
import sys
import cv2
import numpy as np
from PyQt5.QtWidgets import *
from PyQt5.QtGui import *
 
class mainW(QWidget):
    def __init__(self):
        super().__init__()
        self.resize(900,600)
        self.setWindowTitle("opencv车流识别系统")
        self.setWindowIcon(QIcon("D:/python_work/opencv/img/x_智能.png"))
 
        self.openFileBtn=QPushButton("打开文件",self)
        self.openFileBtn.setGeometry(20,20,100,30)
 
        self.imgCheckBtn=QPushButton("车辆图片识别",self)
        self.imgCheckBtn.setGeometry(260,20,120,30)
 
        self.videoCheckBtn=QPushButton("车辆视频",self)
        self.videoCheckBtn.setGeometry(400,20,100,30)
 
        self.collectFaceBtn = QPushButton("人脸采集", self)
        self.collectFaceBtn.setGeometry(520, 20, 100, 30)
 
        self.trainFaceBtn = QPushButton("人脸训练", self)
        self.trainFaceBtn.setGeometry(640, 20, 100, 30)
 
        self.checkFaceBtn = QPushButton("人脸识别", self)
        self.checkFaceBtn.setGeometry(760, 20, 100, 30)
 
        self.grabBtn=QPushButton("灰度处理",self)
        self.grabBtn.setGeometry(140,20,100,30)
 
        self.leftLab=QLabel("原图",self)
        self.leftLab.setGeometry(20,80,400,400)
        self.leftLab.setStyleSheet("background-color:white")
 
        self.rightLab = QLabel("新图", self)
        self.rightLab.setGeometry(440, 80, 400, 400)
        self.rightLab.setStyleSheet("background-color:white")
 
        self.openFileBtn.clicked.connect(self.openFile)
        self.grabBtn.clicked.connect(self.grayImg)
        self.imgCheckBtn.clicked.connect(self.imgCheck)
        self.videoCheckBtn.clicked.connect(self.videoCheck)
        self.collectFaceBtn.clicked.connect(self.collectFace)
        self.trainFaceBtn.clicked.connect(self.trainFace)
        self.checkFaceBtn.clicked.connect(self.checkFace)
 
    def openFile(self):
        #打开文件函数
        print("打开文件")
        self.img,imgType=QFileDialog.getOpenFileNames(self,"打开文件","","*.jpg;;*.png")#打开文件的弹窗
        self.s="".join(self.img)#生产正确路径
        self.leftLab.setPixmap(QPixmap(self.s))#s是路径
        self.leftLab.setScaledContents(True)#缩放
 
 
    def grayImg(self):
        #图片灰度处理
        print("图片灰度处理")
        img=cv2.imread(self.s)
        print(img)
        #灰度处理函数
        img_gray=cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
        print(img_gray)
 
        newImg="D:/python_work/venv/opencv1/img/gray1.jpg"
        cv2.imwrite(newImg,img_gray)#路径，图片
        print(newImg)
        self.rightLab.setPixmap(QPixmap(newImg))  # s是路径
        self.rightLab.setScaledContents(True)  # 缩放
 
 
    def imgCheck(self):
        #车辆识别
        print("车辆识别")
        #灰度处理
        img=cv2.imread(self.s)
        img_gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
        #识别车辆
        car_detector=cv2.CascadeClassifier("D:/python_work/opencv/cars.xml")
        cars=car_detector.detectMultiScale(img_gray,1.1,1,cv2.CASCADE_SCALE_IMAGE,(50,50),(150,150))
        print(cars)
        #圈出车辆
        for (x,y,w,h) in cars:
            cv2.rectangle(img,(x,y),(x+w,y+h),(255,255,0),2)
        #保存+显示图片
        newImg = "D:/python_work/venv/opencv1/img/gray4.jpg"
        cv2.imwrite(newImg, img)  # 路径，图片
        self.rightLab.setPixmap(QPixmap(newImg))  # s是路径
        self.rightLab.setScaledContents(True)  # 缩放
 
 
    def videoCheck(self):
        #车辆识别
        print("打开车流视频")
        self.video,videoType=QFileDialog.getOpenFileNames(self,"打开视频","","*.mp4")
        self.v = "".join(self.video)  # 生产正确路径
 
        cap=cv2.VideoCapture(self.v)#加载视频
        print(cap)
 
         #加载级联分类器
        car_detector=cv2.CascadeClassifier("D:/python_work/opencv/cars.xml")
        while True:
            status, img = cap.read()  # 只读取视频的一帧数据
            if status:
                #灰度处理
                img_gray=cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
                #检测车辆目标
                cars=car_detector.detectMultiScale(img_gray,1.1,2,cv2.CASCADE_SCALE_IMAGE,(40,40),(120,120))
                #把车框出来
                for (x, y, w, h) in cars:
                    cv2.rectangle(img, (x, y), (x + w, y + h), (255, 255, 0),2,cv2.LINE_AA)
 
                string="real time traffic flow:"+str(len(cars))
                #检测当下是几辆车
                cv2.putText(img,string,(50,50),cv2.FONT_HERSHEY_SIMPLEX,1,(255,0,255))
                #显示
                cv2.imshow("opencv(ESC-quit)",img)
            else:
                break
            key=cv2.waitKey(10)#返回键盘的键值
            if key==27:  #ESC键 退出键 键值27
                break
 
        #cap.release()
        #cv2.desstoryAllWindows()
 
    def collectFace(self):
        print("人脸识别")
        #打开摄像头
        cap=cv2.VideoCapture(0)
        face_detector=cv2.CascadeClassifier("D:/python_work/opencv/haarcascade_frontalface_default.xml")
        i=1
        while True:
            status,img=cap.read()
            if status:
                img_gray=cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
                #识别人脸
                faces=face_detector.detectMultiScale(img_gray,1.1,2,cv2.CASCADE_SCALE_IMAGE,(200,200),(350,350))
                #把车框出来
                for (x, y, w, h) in faces:
                    cv2.rectangle(img, (x, y), (x + w, y + h), (255, 255, 0), 2, cv2.LINE_AA)
                    filename="./face_img/chen{}.jpg".format(i)
                    cv2.imwrite(filename,img_gray[y:y+h,x:w+x])
                    i=i+1
 
                cv2.imshow("opencv(ESC-quit)",img)
            else:
                break
            if i>300:
                break
 
            key=cv2.waitKey(2)
            if key==27:
                break
 
            #cap.release()
            #cv2.desstoryAllWindows()
 
 
    def trainFace(self):
        print("识别训练")
        path="./face_img/"
        recognizer= cv2.face.LBPHFaceRecognizer_create()#创建人脸识别器
        facedata=[]#储存人脸像素数据集合
        ids=[]
        file_list=os.listdir(path)#打开某个目录 返回路径下的所有文件名称
        for file in file_list:
            img=cv2.imread(path+file)
            img_gray=cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
            print(img_gray)
            facedata.append(img_gray)
            ids.append(0)
 
 
        recognizer.train(facedata,np.array(ids))
        recognizer.write("./train.yml")
        print("训练完毕")
 
 
 
 
 
 
    def checkFace(self):
        print("识别项目")
        cap=cv2.VideoCapture(0)
        face_detector=cv2.CascadeClassifier("D:/python_work/opencv/haarcascade_frontalface_default.xml")
 
        recognizer=cv2.face.LBPHFaceRecognizer_create()
        recognizer.read("./train.yml")
        count = 0
        while True:
            status, img = cap.read()
            if status:
                img_gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
                # 识别人脸
                faces = face_detector.detectMultiScale(img_gray, 1.1, 2, cv2.CASCADE_SCALE_IMAGE, (200, 200),
                                                       (350, 350))
                # 把车框出来
                for (x, y, w, h) in faces:
                    cv2.rectangle(img, (x, y), (x + w, y + h), (255, 255, 0), 2)
                    user_id,confidence=recognizer.predict(img_gray[y:y+h,x:x+w])#识别器准确率
                    print(user_id,confidence)
                    chance=round(100-confidence)
 
                    if chance>70 :   #后续改！
                        count+=1
 
 
                cv2.imshow("opencv(ESC-quit)", img)
            else:
                break
 
            if count>10:
                print("识别成功")
                break
 
            key = cv2.waitKey(2)
            if key == 27:
                break
 
            # cap.release()
            # cv2.desstoryAllWindows()
            # cv2.waitKey(1)
 
 
 
 
 
 
if __name__=="__main__":
    app=QApplication(sys.argv)
    mainWin=mainW()
    mainWin.show()
    sys.exit(app.exec_())