前言：让我的电脑认识我

我的电脑只有认识我，才配称之为我的电脑！

今天，我们用Python实现高大上的人脸识别技术！

Python里，简单的人脸识别有很多种方法可以实现，依赖于python胶水语言的特性，我们通过调用包可以快速准确的达成这一目的。这里介绍的是准确性比较高的一种。

私信小编01即可获取大量Python学习资源

01 首先

梳理一下实现人脸识别需要进行的步骤：

流程大致如此，在此之前，要先让人脸被准确的找出来，也就是能准确区分人脸的分类器，在这里我们可以用已经训练好的分类器，网上种类较全，分类准确度也比较高，我们也可以节约在这方面花的时间。最后，如果你的时间不是很紧张，并且又想快速的提高，最重要的是不怕吃苦，建议你可以联系维：762459510 ，那个真的很不错，很多人进步都很快，需要你不怕吃苦哦！大家可以去添加上看一下~

既然用的是python，那自然少不了包的使用了，在看代码之前，我们先将整个项目所需要的包罗列一下：

**· CV2(Opencv)：**图像识别，摄像头调用

**· os：**文件操作

**· numpy：**NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库

**· PIL：**Python Imaging Library，Python平台事实上图像处理的标准库

02 接下来

2.1 对照人脸获取

#-----获取人脸样本-----
import cv2
#调用笔记本内置摄像头，参数为0，如果有其他的摄像头可以调整参数为1,2cap = cv2.VideoCapture(0)
#调用人脸分类器，要根据实际路径调整
3face_detector = cv2.CascadeClassifier(r'X:/Users/73950/Desktop/FaceRec/haarcascade_frontalface_default.xml')
#待更改#为即将录入的脸标记一个idface_id = input('\n User data input,Look at the camera and wait ...')
#sampleNum用来计数样本数目count = 0while True:
#从摄像头读取图片
success,img = cap.read()
#转为灰度图片，减少程序符合，提高识别度
if success is True:
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
else:
break
#检测人脸，将每一帧摄像头记录的数据带入OpenCv中，让Classifier判断人脸
#其中gray为要检测的灰度图像，1.3为每次图像尺寸减小的比例，5为minNeighbors   faces = face_detector.detectMultiScale(gray, 1.3, 5)
#框选人脸，for循环保证一个能检测的实时动态视频流    for (x, y, w, h) in faces:
#xy为左上角的坐标,w为宽，h为高，用rectangle为人脸标记画框        cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0))
#成功框选则样本数增加
count += 1
#保存图像，把灰度图片看成二维数组来检测人脸区域
#(这里是建立了data的文件夹，当然也可以设置为其他路径或者调用数据库)        cv2.imwrite("data/User."+str(face_id)+'.'+str(count)+'.jpg',gray[y:y+h,x:x+w])
#显示图片
cv2.imshow('image',img)
#保持画面的连续。waitkey方法可以绑定按键保证画面的收放，通过q键退出摄像
k = cv2.waitKey(1)
if k == '27':
break
#或者得到800个样本后退出摄像，这里可以根据实际情况修改数据量，实际测试后800张的效果是比较理想的
elif count >= 800:
break
#关闭摄像头，释放资源
cap.realease()cv2.destroyAllWindows()

经小编测试，在执行

“face_detector = cv2.CascadeClssifier(r’C:\Users\admin\Desktop\python\data\haarcascade_frontalface_default.xml’)”此语句时，实际路径中的目录名尽量不要有中文字符出现，否则容易报错。

这样，你的电脑就能看到你啦！

2.2 通过算法建立对照模型

本次所用的算法为opencv中所自带的算法，opencv较新版本中（我使用的是2.4.8）提供了一个FaceRecognizer类，里面有相关的一些人脸识别的算法及函数接口，其中包括三种人脸识别算法（我们采用的是第三种）

1.eigenface

2.fisherface

3.LBPHFaceRecognizer

LBP是一种特征提取方式，能提取出图像的局部的纹理特征，最开始的LBP算子是在3X3窗口中，取中心像素的像素值为阀值，与其周围八个像素点的像素值比较，若像素点的像素值大于阀值，则此像素点被标记为1，否则标记为0。这样就能得到一个八位二进制的码，转换为十进制即LBP码，于是得到了这个窗口的LBP值，用这个值来反映这个窗口内的纹理信息。最后，如果你的时间不是很紧张，并且又想快速的提高，最重要的是不怕吃苦，建议你可以联系维：762459510 ，那个真的很不错，很多人进步都很快，需要你不怕吃苦哦！大家可以去添加上看一下~

LBPH是在原始LBP上的一个改进，在opencv支持下我们可以直接调用函数直接创建一个LBPH人脸识别的模型。

我们在前一部分的同目录下创建一个Python文件，文件名为trainner.py，用于编写数据集生成脚本。同目录下，创建一个文件夹，名为trainner，用于存放我们训练后的识别器。

#-----建立模型、创建数据集-----
#-----建立模型、创建数据集-----
import osimport cv2import numpy as npfrom PIL import Image
#导入pillow库，用于处理图像
#设置之前收集好的数据文件路径path = 'data'#初始化识别的方法recog = cv2.face.LBPHFaceRecognizer_create()
#调用熟悉的人脸分类器
detector =cv2.CascadeClassifier
('haarcascade_frontalface_default.xml')
#创建一个函数，用于从数据集文件夹中获取训练图片,并获取id
#注意图片的命名格式为
User.id.sampleNumdef get_images_and_labels(path):
image_paths = [os.path.join(path,f) for f in os.listdir(path)]
#新建连个list用于存放
face_samples = []
ids = []
#遍历图片路径，导入图片和id添加到list中
for image_path in image_paths:
#通过图片路径将其转换为灰度图片
img = Image.open(image_path).convert('L')
#将图片转化为数组
img_np = np.array(img,'uint8')
if os.path.split(image_path)[-1].split(".")[-1] != 'jpg':            continue
#为了获取id，将图片和路径分裂并获取
id = int(os.path.split(image_path)[-1].split(".")[1])
faces = detector.detectMultiScale(img_np)
#将获取的图片和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
#调用函数并将数据喂给识别器训练
print('Training...')faces,
ids = get_images_and_labels(path)
#训练模型recog.train(faces,np.array(ids))
#保存模型recog.save('trainner/trainner.yml')

这就让电脑认识到你是与众不同的那颗星~

2.3 识别

检测，校验，输出其实都是识别的这一过程，与前两个过程不同，这是涉及实际使用的过程，所以我们把他整合放在一个统一的一个文件内。

#-----检测、校验并输出结果-----import cv2
#准备好识别方法
recognizer = cv2.face.LBPHFaceRecognizer_create()
#使用之前训练好的模型
recognizer.read('trainner/trainner.yml')
#再次调用人脸分类器
cascade_path = "haarcascade_frontalface_default.xml" face_cascade = cv2.CascadeClassifier(cascade_path)
#加载一个字体，用于识别后，在图片上标注出对象的名字
font = cv2.FONT_HERSHEY_SIMPLEXidnum = 0
#设置好与ID号码对应的用户名，如下，如0对应的就是初始names = ['初始','admin','user1','user2','user3']
#调用摄像头
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)
#识别人脸
faces = face_cascade.detectMultiScale(
gray,
scaleFactor = 1.2,
minNeighbors = 5,
minSize = (int(minW),int(minH))
)
#进行校验
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])
#计算出一个检验结果
if confidence < 100:
idum = names[idnum]
confidence = "{0}%",format(round(100-confidence))
else:
idum = "unknown"
confidence = "{0}%",format(round(100-confidence))
#输出检验结果以及用户名
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)
#展示结果
cv2.imshow('camera',img)
k = cv2.waitKey(20)
if k == 27:
break
#释放资源
cam.release()cv2.destroyAllWindows()

现在，你的电脑就能识别出你来啦！

通过其他组合也可以实现开机检测等多种功能，你学会了吗？

下面是小编审稿时的测试结果以及出现的一些问题哦~希望对大家有帮助（呲牙.jpg）

测试结果

小编审稿测试过程中出现的问题：

（1）版本问题

**解决方法：**经过小编无数次的失败，提示大家最好安装python2.7，可以直接使用 pip install numpy 以及pip install opencv-python安装numpy 以及对应python版本的opencv

（如果使用的是Anaconda2，pip相关命令可在开始菜单Anaconda2文件夹下的Anaconda Prompt中输入）

点击推文中给出的链接，将github中的文件下载后放至编译文件所在的文件夹下，并更改代码中的相关目录

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

**解决方法：**可以输入 pip install opencv-contrib-python解决，如果提示需要commission，可以在后面加上 --user,即 pip install opencv-contrib-python --user

如有其它问题欢迎大家随时联系我们呀

将识别到人脸后的代码修改成如下

if matches[best_match_index]:
speak("识别到人脸，开始询问暗号，请回答接下来我说的问题")        time.sleep(1)
speak("天王盖地虎")
flag = False
for times in range(0, 3):
content = record()
if "小鸡炖蘑菇" in content:
speak("暗号通过")
flag = True
break
else:
speak("暗号不通过，再试一次")
if flag:
print("解锁")
else:
print("发送邮件并将坏人人脸图片上传！")
error = 1 / 0
name = known_face_names[best_match_index]

超级黑科技代码！Python打造电脑人脸屏幕解锁神器附带接头暗号相关推荐

用Python打造电脑人脸屏幕解锁神器附带接头暗号！
介绍下本人用django开发的社区,欢迎大家来围观! 市肥宅中心 https://www.4nmb.com/ 前言最近突然有个奇妙的想法,就是当我对着电脑屏幕的时候,电脑会先识别屏幕上的人脸是否是本 ...
用 Python 做个电脑版人脸屏幕解锁神器
作者:美图博客 https://www.meitubk.com/zatan/386.htm 前言最近突然有个奇妙的想法,就是当我对着电脑屏幕的时候,电脑会先识别屏幕上的人脸是否是本人,如果识别是本人 ...
python黑科技：Python大佬用20行代码带你打造一个微信聊天机器人，真神了~
如何用20行Python代码打造一个微信群聊助手? 1.安装python环境 2.安装python的itchat库 3.安装itchat库 4.Linux 5.申请图灵机器人API和key 6.编写p ...
生活必备冷门逆天的黑科技APP，每一款都堪称神器
今天给大家分享10款黑科技APP,每一款都非常简单好用,让你惊叹不已. 1.卓师兄它是一款非常专业的安卓数据恢复软件.使用它,可以轻松恢复安卓的微信.QQ聊天记录,以及导出短信和通话记录,也可以直接 ...
黑客黑科技？Python代码让android手机实现监控功能
欢迎订阅公众号:Python从程序猿到程序员,,,,,或者骚扰本人:154725.1666. 百度搜索"qpython",点击qpython官网. <QPython>是 ...
python批量删除微信好友_黑科技，Python 脚本帮你找出微信上删除你好友的人（附视频教程）...
" 清理下[微笑],不用回.你的朋友圈没事也该清清了,打开设置,通用,功能,群助手,全选,把我的信息粘贴一下,就可以了,发送就知道谁把你删了,方便你清人,不清不知道 ,一清吓一跳." ...
黑科技，Python 脚本帮你找出微信上删除你好友的人
编者按:本文来自稀土掘金江昪编译自 Github:0x5e/wechat-deleted-friends " 清理下[微笑],不用回.你的朋友圈没事也该清清了,打开设置,通用,功能,群助手 ...
python浪漫代码-Python打造浪漫的心形，助你情人节表白成功！
Python是一种面向他人进行的说明型编程方法,其源代码与说明器CPython遵守GPL协议,语法简洁清晰.那么,我们用少量的Python代码能做哪些有趣的东西?让小编告诉你. 一.编写浪漫的心型 1 ...
一个黑科技，Python竟然可以伪造很多'假'的数据！
点击上方"菜鸟学Python",选择"星标"公众号干货第一时间推给你!!! Python里面的库真的太多太多了,各种千奇百怪的都有.今天小编逛GitHub的时 ...

超级黑科技代码！Python打造电脑人脸屏幕解锁神器附带接头暗号