Python编程 - 基于OpenCV实现人脸识别（实践篇）爬虫+人脸识别

一.案例概述

本案例需要一定的Python编程基础并掌握OpenCV基本使用。
时间仓促：初略编写文档

效果如下：

开发环境：
操作系统：Windows 10
开发工具：PyCharm 2019.2版本
python版本：3.6.7
计算机视频库包：opencv_contrib_python-4.1.0.25-cp36-cp36m-win_amd64.whl
算法支持包：numpy（安装opencv默认安装numpy）
下载地址：
Python3.6.7： https://www.python.org/downloads/
Pycharm工具： http://www.jetbrains.com/pycharm/download/#section=windows
第三方包下载：https://pypi.org/project/opencv-contrib-python/#files

二.编写案例准备资源：

准备工作：

 1.开发环境、开发工具及第三方包准备完善并创建空项目。2.准备一些个人的图片（或者通过代码保存个人面部存入本地）要求：图片名称有一定规律3.爬虫文件 - 爬取明星照片并存储本地4.将明星图片和个人图片通过opencv处理保存面部图片5.开始编写人脸识别的代码

三.代码编写顺序

一.爬虫代码直接下载运行：点击下载
链接: https://pan.baidu.com/s/1BNzSQ2Xk9GkYslhwKXLYSQ 提取码: qmy1
二.安装python爬虫需要的第三方包：

requests(用户网络访问）
beautifulsoup4(用户数据结构解析）
pypinyin(用于中文转换为拼音)

三.运行python爬虫代码：

四.将图片转换为面部图片进行存储：

# 获取小头像信息
import cv2
import os
# 图片张数变量
def read_image():dirs = os.listdir("d_img")for j,dir in enumerate(dirs):print(dir)# 判断是否有存储头像的路径file_path = "x_face/%s"%str(dir);if not os.path.exists(file_path):os.makedirs(file_path);passnum = 0;for i in range(0,20):image = cv2.imread('d_img/%s/%d.jpg'%(dir,i))gray = cv2.cvtColor(image,code = cv2.COLOR_BGR2GRAY);# 数据参数face_detector = cv2.CascadeClassifier("haarcascade_frontalface_alt.xml");# [3]进行数据对比:minNeighbors = 每一个目标至少要被检测 -整数face_01 = face_detector.detectMultiScale(gray, minNeighbors=4);# 绘制矩形人脸检测print("第%d张图片===:"%i,face_01)print(type(face_01))if isinstance(face_01,tuple):print("没有检查的头像")passelse:print("****有检查的头像****")for x, y, w, h in face_01:# time.sleep(10)x_face = gray[y:y + h, x:x + w];x_face = cv2.resize(x_face,dsize=(200,200));bo_photo = cv2.imwrite("%s\%d.jpg" % (file_path, num), x_face);print("保存成功:%d" % num)passnum+=1;passpasspass
if __name__ == '__main__':read_image();pass

运行结果 - 生产以下文件：

五.人脸识别 - 主代码：


# 人脸识别 - 主代码
import cv2
import os
import time
import numpy as np;
# 图片张数变量
def Get_x_faces():dirs = os.listdir("x_face")print(dirs)X = []# Y = []# for j,dir in enumerate(dirs):for i in range(0,9):image = cv2.imread('x_face/%s/%d.jpg'%(dir,i))gray = cv2.cvtColor(image,code = cv2.COLOR_BGR2GRAY);print("读取",gray.shape)# NoneType  ndarrayif len(str(image))!=0:print("加入。。。。")X.append(gray)Y.append(j)passreturn [X,Y,dirs]passif __name__ == '__main__':X,Y,dirs = Get_x_faces();print("X=",X)print("Y=",Y)print("dirs=",dirs)#asarray都可以将结构数据转化为ndarrayX = np.asarray(X);Y = np.asarray(Y);# 产生一个随机数 -index = [i for i in range(0,len(X))];print(index)#现场修改序列，改变自身内容。（类似洗牌，打乱顺序）np.random.shuffle(index);print("***********",index)# 打乱顺序 :相同规则打乱X = X[index]Y = Y[index]print("88888888",Y)# 训练数据print("训练数据为：",len(X),len(Y))X_train = X[:len(X)]Y_train = Y[:len(Y)];print("800000",Y_train)# 算法Eigen 特征的意思# 主成分分析（PCA）——Eigenfaces（特征脸）——函数：cv2.face.EigenFaceRecognizer_createmodel = cv2.face.EigenFaceRecognizer_create();print(model)# 算法学习print("算法学习", len(X_train), len(Y_train));model.train(X, Y);print("已经学会了数据。。。。")# 测试数据# X_test, Y_test = X[-5:], Y[-5:];# 开始验证# for data in X_test:#     # print(data)#     result = model.predict(data);#     print("=================")#     print(result)#     print(dirs[result[0]])#     passVideo_face = cv2.VideoCapture(0);face_detector = cv2.CascadeClassifier("haarcascade_frontalface_alt.xml")# while循环调取视频图形while True:flag,frame = Video_face.read();gray = cv2.cvtColor(frame,code=cv2.COLOR_BGR2GRAY);faces = face_detector.detectMultiScale(gray,1.3,5);if isinstance(faces, tuple):print("没有检查的头像")passelse:print("有头像了。。。。")# for循环遍历数据for x, y, w, h in faces:cv2.rectangle(frame, pt1=(x, y), pt2=(x + w, y + h), color=[0, 0, 255], thickness=2);face = gray[y:y + h, x:x+w];print("===]]]", face.shape)face_1 = cv2.resize(face, dsize=(200, 200));print("=================")print(face_1.shape)# 开始对比print("~~~~"*20)print(" 参数为:",face_1.shape);result = model.predict(face_1);print("对比返回结果：", result)print('该人脸是：', dirs[result[0]])a1 = dirs[result[0]]if result[1]<1600:a1 = "NO"passcv2.putText(frame, a1, (x, y), cv2.FONT_ITALIC, 1, [0, 0, 255], 2);passpasscv2.imshow('face', frame)cv2.waitKey(100)passvideo.release()cv2.destroyAllWindows();pass

六.大功告成：
如有BUG或疑问以及需要完整代码的小伙伴：
加QQ群提问和下载源代码： 群号：485024315