机器视觉学习（十四）—— 自定义人脸识别（一）_机器视觉实时人脸识别csdn

目录

一、录制人脸识别所需的视频

二、采样准备工作

2.1 创建文件夹

2.2 加入Haar分类器文件

三、自定义人脸识别示例代码

四、人脸识别常见问题

4.1 AttributeError: module “cv2” has no attribute “face”

4.2 error: (-215:Assertion failed) empty() in function cv::CascadeClassifier

---

如果读者是需要用视频来进行人脸识别，可按照顺序进行操作；

如果是实时视频进行人脸跟踪，可直接跳到第二步操作。

一、录制人脸识别所需的视频

这里我将录制的视频命名为"jiang.avi"，需要各读者根据自己的需求进行修改。

"""
add_argument(参数可选)            添加设置的默认参数
    name or flags                一个命名或者一个选项字符串的列表
    action                       表示该选项要执行的操作
    default                      当参数未在命令行中出现时使用的值
    dest                         用来指定参数的位置
    type                         为参数类型,例如int
    choices            用来选择输入参数的范围,例如 choice=[1,5,10],表示输入参数只能为1,5或10
    help                         用来描述这个选项的作用
"""
 
 
# 写入视频文件
import cv2
import argparse
 
parser = argparse.ArgumentParser()               # 创建解析器ArgumentParser对象
 
parser.add_argument('--avi',default='jiang.avi', help="path to the video file to write")
args = parser.parse_args()             
                                # 把 parser中设置的所有"add_argument"返回到args子类实例中
 
capture = cv2.VideoCapture(0)
 
frame_width = capture.get(cv2.CAP_PROP_FRAME_WIDTH)          # 获得视频的一些长,宽信息
frame_height = capture.get(cv2.CAP_PROP_FRAME_HEIGHT)
fps = capture.get(cv2.CAP_PROP_FPS)                          # 获得视频的FPS信息
 
fourcc = cv2.VideoWriter_fourcc(*'XVID')                
                            # 或者fourcc = cv2.VideoWriter_fourcc('X', 'V', 'I', 'D')
 
img_gray = cv2.VideoWriter(args.avi,fourcc,int(fps),(int(frame_width),int(frame_height)),False)
    # filename              打开的视频路径
        # fourcc                指定编码器
            # fps                   要保存的视频的帧率
                # frameSize             要保存的文件的画面尺寸
                    # False                 表示以灰度文件写入视频
                    # True                  表示以彩色文件写入视频
 
while capture.isOpened():
    ret, frame = capture.read()
    if ret is True:
        gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  
                                                        # 将每一帧转换成灰度
        img_gray.write(gray_frame)                      # 保存每一帧灰度画面
        cv2.imshow('img_gray', gray_frame)              # 显示灰度
 
        if cv2.waitKey(1) & 0xFF == ord('1'):
            break
    else:
        break
 
capture.release()
img_gray.release()
cv2.destroyAllWindows()

二、采样准备工作

2.1 创建文件夹

在代码的同一目录下，创建文件夹，这里我创建的是"dataes"文件夹。需要各读者根据自己的需求进行修改。

2.2 加入Haar分类器文件

在代码的同一目录下，添加（haarcascade_frontalface_default.xml）和（OpenCV_demo\haarcascade_frontalface_alt2.xml）两个 xml文件。

三、自定义人脸识别示例代码

（代码有注释）

# 录入人脸,在视频中识别
 
 
# import cv2 as cv                            # 查看opencv的版本
# print(cv.__version__)
 
import os
import cv2
from PIL import Image
import numpy as np
 
 
face_name = 'yxc'  # 该人脸的名字
# 加载OpenCV人脸检测分类器
face_cascade = cv2.CascadeClassifier("OpenCV_demo\haarcascade_frontalface_alt2.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("OpenCV_demo/dataes/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()
 
 
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('OpenCV_demo\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 = 'OpenCV_demo\dataes'  # 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('22.yml')   # 保存生成的人脸特征数据文件
 
 
# 加载训练数据集文件
recogizer = cv2.face.LBPHFaceRecognizer_create()
recogizer.read('22.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('OpenCV_demo\haarcascade_frontalface_alt2.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 = 'OpenCV_demo\dataes'
    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('jiang.avi')
# cap = cv2.VideoCapture(0)
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('1') == cv2.waitKey(27):  # 按空格，退出
        break
cv2.destroyAllWindows()
cap.release()
# print(names)
 

如果是实时视频进行人脸跟踪，将 cap = cv2.VideoCapture('jiang.avi') 改为 cap = cv2.VideoCapture(0) ，通过摄像头进行人脸跟踪。

四、人脸识别常见问题

4.1 AttributeError: module “cv2” has no attribute “face”

• 问题阐述

在 cv2模块中，没有找到 face部分。face 是部分的 opencv-contrib库，此存储库[ opencv-contrib ]用于开发所谓的 “额外” 模块，提供功能。新模块通常没有稳定的 API，并且它们没有经过良好测试。因此，它们不应作为官方OpenCV发行版的一部分发布，因为该库保持二进制兼容性，并试图提供良好的性能和稳定性。

• 问题解决

首先切换到你所在的环境（不建议在base环境中直接下载）：

conda activate 环境名

然后安装 opencv-contrib库：

官方方法：

pip install opencv-python
pip install opencv-contrib-python

快速方法：（使用国内镜像源）

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-python

4.2 error: (-215:Assertion failed) empty() in function cv::CascadeClassifier

• 问题阐述

出现 error: (-215:Assertion failed) !empty() in function ‘cv::CascadeClassifier’ 的主要原因：是我们的代码没能够正确找到正确的调用脸部分类器。换句话说，就是没有找到正确的文件路径。

• 问题解决

找到脸部分类器对应的地址，绝对地址、相对地址均可。如：示例代码中所用的就是相对地址。