openCV 目标人脸检测与识别_opencv人脸识别

一、实验目的

1.通过python语言编程设计人脸检测算法，以此人脸作为训练样本，训练目标人脸模型，进一步实现目标人脸的识别。

2.通过上述编程促进学生理解并掌握人脸检测及识别的相关原理，同时培养学生的编程能力。

二、实验硬、软件环境

笔记本电脑、windows10系统,Visual Studio Code编辑器，opencv视觉库，numpy库, matplolib库。

三、实验内容及步骤

（一）实验内容

1.从包含目标人脸的图像中检测到人脸并保存。

2.建立目标人脸训练模型。

3.从包含目标人脸的图像中检测并识别目标人脸。

【此过程会打开电脑摄像头，故图片不再展示】

（二）实验过程及代码

1.选择人脸检测算法

recognizer = cv2.face.LBPHFaceRecognizer_create()

recognizer.read('trainer/trainer.yml')

    cascadePath = "haarcascade_frontalface_default.xml"

    faceCascade = cv2.CascadeClassifier(cascadePath)

2.检测并保存目标人脸图像

cam = cv2.imread('renlian.jpg')

cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

cv2.imwrite("data/User." + str(face_id) + '.' + str(count) + ".jpg", gray[y:y + h, x:x + w])

cv2.imshow('image', img)

图1人脸检测结果图像

3.读取目标人脸图像，训练目标人脸模型

path = 'data'

    recognizer = cv2.face.LBPHFaceRecognizer_create()

    detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")

    PIL_img = Image.open(imagePath).convert('L')  # convert it to grayscale

    img_numpy = np.array(PIL_img, 'uint8')

图2几张目标人脸图像

4.从包含目标人脸的图像中检测出人脸

face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

faces = face_cascade.detectMultiScale(img, scaleFactor=1.3, minNeighbors=5)

img2 = cv2.rectangle(img1, (x, y), (x + w, y + h), (0, 255, 0), 2)

cv2.imshow('img', img2)

cv2.waitKey(0)

图3 多人脸检测结果图

5.从第四步检测到的人脸中，识别出目标人脸

recognizer = cv2.face.LBPHFaceRecognizer_create()

recognizer.read('trainer/trainer.yml')

cascadePath = "haarcascade_frontalface_default.xml"

faceCascade = cv2.CascadeClassifier(cascadePath)

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

id, confidence = recognizer.predict(gray[y:y + h, x:x + w])

代码：（wx模块需要在命令提示符下载：pip install -U wxPython）

import wx

import os

import cv2

import numpy as np

from PIL import Image

class MyFrame(wx.Frame):

    def OnEraseBAck(self, event):

        dc = event.GetDC()

        if not dc:

            dc = wx.ClientDC(self)

            rect = self.GetUpdateRegion().GetBox()

            dc.SetClippingRect(rect)

        dc.Clear()

        bmp = wx.Bitmap("renlian.jpg")

        dc.DrawBitmap(bmp, 0, 0)

    def __init__(self,parent):

        wx.Frame.__init__(self,parent,title='人脸识别',size=(466,325))

        panel=wx.Panel(self)

        panel.Bind(wx.EVT_ERASE_BACKGROUND,self.OnEraseBAck)

        #创建按钮

        self.btn1=wx.Button(parent=panel,id=10,label='图像采集',pos=(70,50),size=(100,50))

        self.btn2=wx.Button(parent=panel,id=11,label='开始训练',pos=(70,100),size=(100,50))

        self.btn3=wx.Button(parent=panel,id=12,label='人脸识别',pos=(70,150),size=(100,50))

        self.btn4=wx.Button(parent=panel,id=13,label='人脸检测',pos=(70,200),size=(100,50))

        #创建捆绑事件

        self.btn1.Bind(wx.EVT_BUTTON,self.on_btn1,self.btn1)

        self.btn2.Bind(wx.EVT_BUTTON,self.on_btn2, self.btn2)

        self.btn3.Bind(wx.EVT_BUTTON,self.on_btn3, self.btn3)

        self.btn4.Bind(wx.EVT_BUTTON,self.on_btn4,self.btn4)

 

    #创建按钮点击事件

    def on_btn1(self,event):

        cam = cv2.VideoCapture(0)

        cam.set(3, 640)

        cam.set(4, 480)

        face_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

        #输入id

        face_id = input('\n enter user id end press <return> ==>  ')

        print("\n [INFO] Initializing face capture. Look the camera and wait ...")

        count = 0

        while (True):

            ret, img = cam.read()

            img = cv2.flip(img, 1)

            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

            faces = face_detector.detectMultiScale(gray, 1.3, 5)

            for (x, y, w, h) in faces:

                cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

                count += 1

                # 保存图片

                cv2.imwrite("data/User." + str(face_id) + '.' + str(count) + ".jpg", gray[y:y + h, x:x + w])

                cv2.imshow('image', img)

            k = cv2.waitKey(200) & 0xff  # ESC退出and每0.2s拍一张

            if k == 27:

                break

            elif count >= 40:  # 拍40张照片

                break

        # cleanup

        print("\n [INFO] Exiting Program and cleanup stuff")

        cam.release()

        cv2.destroyAllWindows()

    def on_btn2(self,event):

        path = 'data'

        recognizer = cv2.face.LBPHFaceRecognizer_create()

        detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")

        def getImagesAndLabels(path):

            imagePaths = [os.path.join(path, f) for f in os.listdir(path)]

            faceSamples = []

            ids = []

            for imagePath in imagePaths:

                PIL_img = Image.open(imagePath).convert('L')  # convert it to grayscale

                img_numpy = np.array(PIL_img, 'uint8')

                id = int(os.path.split(imagePath)[-1].split(".")[1])

                faces = detector.detectMultiScale(img_numpy)

                for (x, y, w, h) in faces:

                    faceSamples.append(img_numpy[y:y + h, x:x + w])

                    ids.append(id)

            return faceSamples, ids

        print("\n [INFO] Training faces. It will take a few seconds. Wait ...")

        faces, ids = getImagesAndLabels(path)

        recognizer.train(faces, np.array(ids))

        # 保存.yml训练集

        recognizer.write('trainer/trainer.yml')

        print("\n [INFO] {0} faces trained. Exiting Program".format(len(np.unique(ids))))

    def on_btn3(self,event):

        recognizer = cv2.face.LBPHFaceRecognizer_create()

        recognizer.read('trainer/trainer.yml')

        cascadePath = "haarcascade_frontalface_default.xml"

        faceCascade = cv2.CascadeClassifier(cascadePath)

        font = cv2.FONT_HERSHEY_SIMPLEX

               

        id = 0

        names = ['None', 'xning']

        cam = cv2.VideoCapture(0)  #调用摄像头

        cam.set(3, 640)  # set video widht

        cam.set(4, 480)  # set video height

        minW = 0.1 * cam.get(3)

        minH = 0.1 * cam.get(4)

        while True:

            ret, img = cam.read()

            img = cv2.flip(img, 1)

            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

            faces = faceCascade.detectMultiScale(

                gray,

                scaleFactor=1.2,

                minNeighbors=5,

                minSize=(int(minW), int(minH)),

            )

            for (x, y, w, h) in faces:

                cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

                id, confidence = recognizer.predict(gray[y:y + h, x:x + w])

                # 判断成功概率>45时，输出id,否则输出unknow

                if (confidence < 55):

                    id = names[id]

                    confidence = "  {0}%".format(round(100 - confidence))

                else:

                    id = "unknown"

                    confidence = "  {0}%".format(round(100 - confidence))

                cv2.putText(img, str(id), (x + 5, y - 5), font, 1, (255, 255, 255), 2)

                cv2.putText(img, str(confidence), (x + 5, y + h - 5), font, 1, (255, 255, 0), 1)

            cv2.imshow('camera', img)

            k = cv2.waitKey(10) & 0xff

            if k == 27:

                break

        print("\n [INFO] Exiting Program and cleanup stuff")

        cam.release()

        cv2.destroyAllWindows()

    def on_btn4(self,event):

        faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

        cap = cv2.VideoCapture(0)

        cap.set(3, 640)  # set Weight

        cap.set(4, 480)  # set Height

        while True:

            ret, img = cap.read()

            img = cv2.flip(img, 1)

            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

            faces = faceCascade.detectMultiScale(

                gray,

                scaleFactor=1.2,

                minNeighbors=5

                ,

                minSize=(20, 20)

            )

            for (x, y, w, h) in faces:

                cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

                roi_gray = gray[y:y + h, x:x + w]

                roi_color = img[y:y + h, x:x + w]

            cv2.imshow('video', img)

            k = cv2.waitKey(30) & 0xff

            if k == 27:  # Esc for quit

                break

        cap.release()

        cv2.destroyAllWindows()

if __name__=='__main__':

    app=wx.App()

    MyFrame(None).Show()

    app.MainLoop()