当前位置:   article > 正文

【opencv】python实现人脸检测和识别训练_opencv 识别训练

opencv 识别训练

人脸识别

OpenCV 中的人脸识别通常基于哈尔特征分类器(Haar Cascade Classifier)进行。以下是 OpenCV 人脸识别的基本原理:

  1. Haar Cascade Classifier

    • 特征分类器:Haar 特征是一种基于矩形区域的特征,可以用于图像中的对象检测。这些特征可以表示边缘、线和区域的变化等。
    • 级联分类器:Haar 级联分类器是由大量的弱分类器组成的级联结构,每个弱分类器用于检测图像的一个特定特征。级联分类器能够快速排除非目标区域,提高效率。
  2. 训练分类器

    • Haar 分类器需要经过训练,使用正样本(包含人脸的图像)和负样本(不包含人脸的图像)进行训练。OpenCV 提供了工具来训练这些分类器。
  3. 人脸检测过程

    • 图像灰度化:首先,图像被转换为灰度图像,简化处理。
    • 级联分类器应用:Haar 分类器通过图像的不同区域以固定的步长和缩放应用。在每个区域,级联分类器检测是否有人脸特征。
    • 人脸候选区域:检测到的候选区域被保留,其中可能包含人脸。
    • 非极大值抑制:对于重叠的候选区域,采用非极大值抑制,选择最具代表性的人脸区域。
  4. 人脸识别

    • 识别是通过使用预训练的人脸识别模型进行的。在检测到人脸的区域中,可以使用各种方法(如基于模板的匹配或深度学习模型)进行人脸识别。

首先安装依赖

pip install opencv-python  
pip install opencv-contrib-python  
pip install numpy  
pip install pillow
  • 1
  • 2
  • 3
  • 4

拍照采集人脸

cv2.ideoCapture(0)的0是默认摄像头,如果外置摄像头可以换其他数字试试,这段代码其实就是通过opencv来拍照并保存用于后面的数据训练。

# 导入模块  
import cv2  
  
# 摄像头  
cap = cv2.VideoCapture(0)  
flag = 1  
num = 1  
while cap.isOpened():  
    ret, frame = cap.read()  
    cv2.imshow('frame', frame)  
    k = cv2.waitKey(1) & 0xFF  
    if k == ord('s'): # 按下s键,保存图片  
        cv2.imwrite('./images/faces/name/{}.jpg'.format(num), frame)  
        print('{}.jpg saved'.format(num))  
        num += 1  
    elif k == ord(' '): # 按下空格键退出
        break  
cap.release() # 释放摄像头  
cv2.destroyAllWindows() # 关闭窗口
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19

数据训练

haarcascade_frontalface_default.xml需要下载opencv的源码文件来获取。

下载地址:Releases - OpenCV

主要通过getImageAndLabel来解析对应图片的特征值保存到face_trainer.yml中用于后期的人脸检测。在/images/faces的文件夹下的路径应该是id.人名拼音/图片文件,用id来关联人脸名称,必须是整型数字,图片名称没有要求,最好给识别人物的照片多准备一些,识别效果会好一些。
在这里插入图片描述

import os  
import cv2  
from PIL import Image  
import numpy as np  
  
  
def getImageAndLabel(path):  
    # 人脸数据路径  
    faceSamples = []  
    # id  
    ids = []  
    # 获取当前路径的文件夹  
    dirs = os.listdir(path)  
    # 加载分类器  
    faceCascade = cv2.CascadeClassifier('./data/haarcascades/haarcascade_frontalface_default.xml')  
    # 遍历文件夹  
    for dir in dirs:  
        # 获取文件夹路径  
        dir_path = os.path.join(path, dir)  
        # 获取文件夹下的图片  
        imagePaths = [os.path.join(dir_path, f) for f in os.listdir(dir_path)]  
        # 获取id
        id = int(dir.split('.')[0])  
        # 遍历图片  
        for imagePath in imagePaths:  
            # 转换为灰度图  
            PIL_img = Image.open(imagePath).convert('L')  
            # 转换为数组  
            img_numpy = np.array(PIL_img, 'uint8')  
            # 人脸检测  
            faces = faceCascade.detectMultiScale(img_numpy)  
  
  
            # 遍历人脸  
            for (x, y, w, h) in faces:  
                # 添加人脸数据  
                faceSamples.append(img_numpy[y:y + h, x:x + w])  
                # 添加id 
                ids.append(id)  
    # 返回人脸数据和id  
    return faceSamples, ids  
  
  
if __name__ == '__main__':  
    # 获取人脸数据和姓名  
    faces, ids = getImageAndLabel('./images/faces')  
  
    # 导入人脸识别模型  
    recognizer = cv2.face.LBPHFaceRecognizer_create()  
  
    # 训练模型  
    recognizer.train(faces, np.array(ids))  
    # 保存模型  
    recognizer.save('./data/face_trainer.yml')
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54

人脸识别

可以通过图片,视频,摄像头来进行人脸检测,识别成功后会返回id,根据id索引来对应人物名称。多次识别失败后会触发警报,这里没有对应的通报代码,可以自行添加。

由于中文无法直接通过opencv添加,所以这里使用cv2ImgAddText将文字转为图片后加到原图上。

# -*- coding: utf-8 -*-  
  
import cv2  
import numpy as np  
from PIL import ImageFont, ImageDraw, Image  
import ffmpeg  
import threading  
import time  
import subprocess  
  
# 加载分类器  
recognizer = cv2.face.LBPHFaceRecognizer_create()  
# 读取训练数据  
recognizer.read('./data/face_trainer.yml')  
# 名称  
names = ['未知', '刘德华', '成龙', '胡歌', '刘亦菲']  
# 警报全局变量  
warningtime = 0  
# 设置字体相关参数  
font_path = './data/font/simfang.ttf'  
  
  
def cv2ImgAddText(img, text, left, top, textColor=(0, 0, 255), textSize=20):  
    """  
    文字转换为图片并添加到图片上  
    """    
    if (isinstance(img, np.ndarray)):  # 判断是否OpenCV图片类型  
        img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))  
    # 创建一个可以在给定图像上绘图的对象  
    draw = ImageDraw.Draw(img)  
    # 字体的格式  
    fontStyle = ImageFont.truetype(  
        font_path, textSize, encoding="utf-8")  
    # 绘制文本  
    draw.text((left, top), text, textColor, font=fontStyle)  
  
    # 转换回OpenCV格式  
    return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)  
  
  
# 人脸检测  
def detect_face(src_img):  
    # 导入人脸检测模型  
    face_cascade = cv2.CascadeClassifier('./data/haarcascades/haarcascade_frontalface_alt2.xml')  
    # 灰度转换  
    gray = cv2.cvtColor(src_img, cv2.COLOR_BGR2GRAY)  
    faces = face_cascade.detectMultiScale(gray)  # 灰度图像,缩放因子,最小邻域,最大邻域,最小尺寸,最大尺寸  
    # 绘制人脸矩形  
    for (x, y, w, h) in faces:  
        cv2.rectangle(src_img, (x, y), (x + w, y + h), (0, 0, 255), 2)  # 图片,左上角坐标,右下角坐标,颜色,线宽  
        # 人脸识别  
        id, confidence = recognizer.predict(gray[y:y + h, x:x + w])  
        print(id)  
        # 判断是否为本人  
        if confidence < 70:  
            name = names[id]  
            confidence = "{0}%".format(round(100 - confidence))  
        else:  
            name = "unknown"  
            confidence = "{0}%".format(round(100 - confidence))  
        # 绘制姓名  
        src_img = cv2ImgAddText(src_img, name, x + 5, y + 5, (255, 0, 0), 50)  
        print(name)  
        # 绘制置信度  
        src_img = cv2ImgAddText(src_img, confidence, x + 5, y + h - 30, (255, 0, 0), 50)  
  
        # 判断是否为本人  
        if name == "unknown":  
            # 警报  
            global warningtime  
            warningtime += 1  
            # 警报超过3次  
            if warningtime > 3:  
                # 发送邮件  
                # sendEmail()  
                print("警报")  
                # 重置警报次数  
                warningtime = 0  
    return src_img  
  
  
  
# 关闭  
if __name__ == '__main__':  
    # 读取摄像头  
    cap = cv2.VideoCapture(0)  # 0代表默认摄像头编号,如果有多个摄像头,可以尝试1,2,3等等  
    # cap = cv.VideoCapture("./images/video.mp4")#读取视频文件  
    # cap = cv2.VideoCapture('rtmp://')  # 读取视频流  
    cap.set(cv2.CAP_PROP_FPS, 30)  # 设置帧率  
    cap.set(cv2.CAP_PROP_BUFFERSIZE, 1)  # 设置缓冲区大小为1,你可以根据需要调整  
  
  
    # 人脸检测  
    while True:  
        ret, frame = cap.read()  
        if ret:  
            img = detect_face(frame)  
            # 显示图片  
            cv2.imshow("img", img)  
            time.sleep(0.1)  
            # 等待键盘输入  
            if cv2.waitKey(1) == ord('q'):  
                break  
    # 释放资源  
    cap.release()  
    cv2.destroyAllWindows()  
      
    # # 读取图片  
    # img = cv2.imread("./images/img_5.png")  
    # img = detect_face(img)    # # 修改图片大小  
    # img = cv2.resize(img, (800, 600))  
    # cv2.imshow("face_detect", img)    
    # cv2.waitKey(0)    
    # cv2.destroyAllWindows()

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65
  • 66
  • 67
  • 68
  • 69
  • 70
  • 71
  • 72
  • 73
  • 74
  • 75
  • 76
  • 77
  • 78
  • 79
  • 80
  • 81
  • 82
  • 83
  • 84
  • 85
  • 86
  • 87
  • 88
  • 89
  • 90
  • 91
  • 92
  • 93
  • 94
  • 95
  • 96
  • 97
  • 98
  • 99
  • 100
  • 101
  • 102
  • 103
  • 104
  • 105
  • 106
  • 107
  • 108
  • 109
  • 110
  • 111
  • 112
  • 113
  • 114
  • 115

在这里插入图片描述
上面内容已经包含全部需要代码和需要资源获取方法,但如果需要也可以通过这个地址获取完整代码和资源:
csdn资源地址

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/不正经/article/detail/733193
推荐阅读
相关标签
  

闽ICP备14008679号