小白都能学会的python+opencv，带你从人脸识别做到车牌识别，成为别人口中赞叹的高手！

一.第一步，对于小白来说，用什么编辑很难选择，怎么下载免费的编辑器也不会，会用电脑下载的又总是被下载许多附带的垃圾软件，这个问题让我来解决，这里我们首先需要安装两个软件以及配置一个pip豆瓣源，第一个python 3.6.5的软件，然后安装pycharm-community编辑软件。
给上百度网盘链接，绝对无垃圾软件安装，小白们放心安装：
链接：https://pan.baidu.com/s/1WKpEG9qBPRZW-V1UTemUpQ
提取码：y6z2
pip豆瓣源配置
介绍：
pip豆瓣源配置是为了之后在搭环境时候可以直接用pip install xxx(这里写python库的名字)的命令加速下载所需要的各种python库，如果不配置pip源的话，直接下载库速度会很慢，而且还会经常下载失败，pip源也分为阿里云、豆瓣、清华大学、中国科学技术大学四种，在这里我们配置pip豆瓣源，豆瓣源内python库比较种类全而且相对较稳定。
步骤：
1.下载好网盘内的三个文件后，找到pip文件夹

2.将pip文件复制后，找到C盘的用户文件夹

3.将用户文件夹打开，找到Administrator文件夹

4.打开Administrator文件夹，将复制的pip文件夹放入该Administrator目录下，完成pip豆瓣源的配置。

python软件安装
介绍：
python软件是最基础的python运行的软件，安装python能够实现一般的python程序运行。
步骤：
1.找到python-3.6.5-amd64.exe软件，点击开始安装python3.6.5软件

2.勾上Add Python 3.6 to PATH

3.点击Install Now

4.出现Close说明安装完成，点击Close完成安装

Pycharm-Community软件安装
介绍：
pycharm-community软件是python的可视化软件，能够在其中展现运行的界面和运行的过程，并且能够在其中配置python软件的环境，实现两个软件同时实现可视化编程。
步骤：
1.找到pycharm-community-2020.2.1.exe文件，点击开始安装pycharm-community软件。

2.点击Next

3.选择你安装的路径，在这里我安装在默认的路径中，继续点击Next

4.勾选64-bit launcher和Add launchers dir to the PATH,继续点击Next
在这里插入图片描述

5.点击Install

6.等待安装

7.出现Finish，说明完成安装，点击Finish结束安装

8.在桌面找到pycharm图标，双击图标

9.选择New Project,打开新项目

10.选择Esting interpreter,选择python路径

11.点击Creat创建第一个新项目

二.环境终于安装成功了吧，现在开始我们的项目实操，从人脸识别做到车牌识别。
人脸识别部分，素材和模型我们需要获取，同样给你们网盘链接，永久有效
链接：https://pan.baidu.com/s/1iRwQ1pLTErgrwohzqH_V8A
提取码：5w1s
人脸图片识别
1.下载opencv-python库，在Terminal中使用命令pip install opencv-python

2.右键点击pythonProject,新建一个imageProcessing.py文件,如下图

3.在imageProcessing.py文件中开始写代码，首先导入cv2库，如下图

4.输入素材图片的路径，素材在发的文档里面找，名字是3.jpg

5.找到人脸识别的类型器，将类型器复制到项目中，写入类型器的路径并赋予变量cascPath

6.使用cv2库读取图片的路径

7.将图片从rgb颜色格式转成gray灰色格式

8.通过cv2.CascadeClassifier(cascPath).detectMultiScale函数进行人脸识别处理，并且输出该图片有几张人脸。参数scaleFactor是图像长宽同时按照一定比例（默认1.1）逐步缩小，然后检测，参数设置的越大，计算速度越快，参数minNeighbors 是模糊度参数，设置越小越容易识别，越大越不容易识别，参数minSize是最小的长和宽像素。

9.在原图的人脸上画出识别的矩形区域，(0, 0, 255)是红色、(0, 255, 0)是绿色、(255, 0, 0)是蓝色。

10.展示识别出人脸的图片

11.将识别人脸后的图片保存成2.jpg文件

12.等待窗口展示10秒

13.销毁所有的窗口，避免占用内存

14.运行展示

完整代码展示

import cv2  # 导入opencv-python库即cv2库path = "3.jpg"  # 写入图片的路径并赋予变量path
cascPath = "haarcascade_frontalface_default.xml"  # 写入类型器的路径并赋予变量cascPath
image = cv2.imread(path)  # 读取图片的路径
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)  # 把图片转为灰色以便进行人脸识别处理
# scaleFactor 图像长宽同时按照一定比例（默认1.1）逐步缩小，然后检测，参数设置的越大，计算速度越快
# minNeighbors 模糊度参数，设置越小越容易识别，越大越不容易识别
# minSize是最小的长和宽像素
faces = cv2.CascadeClassifier(cascPath).detectMultiScale(gray,scaleFactor=1.1,minNeighbors=5,minSize=(30, 30),
)
print("Found {0} faces!".format(len(faces)))
# 通过cv2.CascadeClassifier(cascPath).detectMultiScale函数进行人脸识别处理，并且输出该图片有几张人脸
for (x, y, w, h) in faces:cv2.rectangle(image, (x, y), (x + w, y + h), (0, 0, 255), 2)  # (0, 0, 255)红色、(0, 255, 0)绿色、(255, 0, 0)蓝色
# 在原图的人脸上画出识别的矩形区域
cv2.imshow("facesFound", image)  # 展示识别出人脸的图片
cv2.imwrite("2.jpg", image)  # 将识别人脸后的图片写入该路径的2.jpg文件
cv2.waitKey(10000)  # 等待窗口展示，防止一闪而过
cv2.destroyWindow("facesFound")  # 销毁创造的facesFound窗口

人脸视频检测
1.重新创建一个项目，从File->New Project

2.项目名字可以自己取，这里我默认

3.开始创建的时候这里我们选择This Window,This Window和New Window的区别就是This Window覆盖原先的窗口、New Window是新打开一个窗口。

4.打开项目后右键点击pythonProjec1，新建一个videoProcessing.py文件

5.导入cv2库

6.找到1.mp4素材，复制在项目中

7.写入视频的路径并赋予变量cap

8.找到人脸识别的类型器，将类型器复制到项目中，写入类型器的路径并赋予变量cascPath

9.写一个视频播放的循环while函数，cap.isOpened()函数是判断该视频是否正确播放

10.读取视频，第一个参数ret 为True 或者False,代表有没有读取到图片，第二个参数frame表示读取到每一帧的图片

11.判断图片是否正常读取

12.将图片从rgb格式转成gray灰色格式

13.通过cv2.CascadeClassifier(cascPath).detectMultiScale函数进行人脸识别处理，并且输出该图片有几张人脸。参数scaleFactor是图像长宽同时按照一定比例（默认1.1）逐步缩小，然后检测，参数设置的越大，计算速度越快，参数minNeighbors 是模糊度参数，设置越小越容易识别，越大越不容易识别，参数minSize是最小的长和宽像素。

14.在视频的每一帧上画矩形

15.创建一个叫facesFound的窗口，播放处理后的视频

16.视频正常播放时等待，当按“q”键时停止运行

17.如果读取的视频帧不正常将会自动停止运行，不会报错

18.运行完成，将所有的视频释放，并且销毁所有的窗口

19.运行结果

完整代码展示

import cv2#导入opencv-python库即cv2库
# cap = cv2.VideoCapture(0)#打开内置摄像头
cap=cv2.VideoCapture("1.mp4")#写入视频的路径并赋予变量cap
faceCascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")#写入类型器的路径并给cv2.CascadeClassifier函数进行处理
while(cap.isOpened()):#cap.isOpened()函数是判断该视频是否正确播放ret, frame = cap.read()#读取视频，第一个参数ret 为True 或者False,代表有没有读取到图片，第二个参数frame表示截取到一帧的图片if ret==True:gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)# scaleFactor 图像长宽同时按照一定比例（默认1.1）逐步缩小，然后检测，参数设置的越大，计算速度越快# minNeighbors 模糊度参数，设置越小越容易识别，越大越不容易识别# minSize是最小的长和宽像素faces = faceCascade.detectMultiScale(gray,scaleFactor=1.1,minNeighbors=5,minSize=(30, 30),)print("Found {0} faces!".format(len(faces)))# 通过cv2.CascadeClassifier(cascPath).detectMultiScale函数进行人脸识别处理，并且输出每帧图片有几张人脸for (x, y, w, h) in faces:cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)# 在原图的人脸上画出识别的矩形区域cv2.imshow('facesFound', frame)#创造一个facesFound窗口来展示每一帧的图片，使其类似以视频方式播放if cv2.waitKey(1) & 0xFF == ord('q'):#类似中断播放的按键，按q跳出循环终止播放breakelse:break#如果视频结束正常跳出循环终止播放
cap.release()#释放视频
cv2.destroyAllWindows()#将创建的所有的窗口毁灭

车牌识别素材网盘获取
链接：https://pan.baidu.com/s/1p82yY7X_c2tHWD9A37kk6g
提取码：p7zf

车牌图片识别
1.重新创建一个项目，从File->New Project

2.项目名字可以自己取，这里我默认

3.开始创建的时候这里我们选择This Window,This Window和New Window的区别就是This Window覆盖原先的窗口、New Window是新打开一个窗口。

4.打开项目后右键点击pythonProjec2，新建一个licenseImage.py文件

5.使用命令pip install hyperlpr下载识别车牌号码的python库

6.继续使用命令pip install opencv-python==3.4.8.29下载版本为3.4.8.29的opencv库

7.继续使用命令pip install pillow下载该python库

8.下载好这两个库后导入这四个库

9.定义一个函数cv2AddChineseText，这个函数的目的是在图像上写出中文字符，该函数内的参数分别是图像、文本内容、像素位置，文本颜色，文本大小

10.找到素材图片并且复制到项目中，然后读取图片

11.读取图片内车牌的识别度和车牌的号码以及车牌的位置

12.做一个判断，如果存在车牌信息的话就进行下一步操作

13.将车牌的识别度和车牌的号码以及车牌的位置分开

14.在车牌位置中循环

15.在车牌位置画矩形

16.调用定义的函数来在图片上车牌号写进图片中

17.将图片中的识别度写进图片中，各参数依次是：图片，添加的文字，左上角坐标，字体，字体大小，颜色，字体粗细，cv2.FONT_HERSHEY_SIMPLEX：标准大小无衬线字体

18.将图片展现出来，并且等待十秒

19.运行展现

完整代码展示

from hyperlpr import *#导入hyperlpr库，处理车牌识别
import cv2#导入CV2库，处理图片或视频,版本号为3.4.8.29
import numpy as np
from PIL import ImageFont, ImageDraw,Imagedef cv2AddChineseText(img, text, position, textColor=(0, 255, 0), textSize=30):if (isinstance(img, np.ndarray)):  # 判断是否OpenCV图片类型img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))draw = ImageDraw.Draw(img)  # 创建一个可以在给定图像上绘图的对象fontStyle = ImageFont.truetype("simsun.ttc", textSize, encoding="utf-8")  # 字体的格式draw.text(position, text, textColor, font=fontStyle)  # 绘制文本return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)  # 转换回OpenCV格式frame=cv2.imread("5.png")#读取图片
k=HyperLPR_plate_recognition(frame)#使用HyperLPR_plate_recognition函数识别图片内车牌号
print(k)
if k:d = []a = k[0][0]b = k[0][1]c = k[0][2]b = str(b)d.append(c)for (x, y, w, h) in d:cv2.rectangle(frame, (x, y), (w, h), (0, 0, 255), 2)frame = cv2AddChineseText(frame, a, (x, y), (255, 0, 0), 30)cv2.putText(frame, b, (x, y), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)#各参数依次是：图片，添加的文字，左上角坐标，字体，字体大小，颜色，字体粗细，cv2.FONT_HERSHEY_SIMPLEX：标准大小无衬线字体
cv2.imshow('frame', frame)
cv2.waitKey(10000)#等待窗口展示

车辆视频识别
1.重新创建一个项目，从File->New Project

2.项目名字可以自己取，这里我默认

3.开始创建的时候这里我们选择This Window,This Window和New Window的区别就是This Window覆盖原先的窗口、New Window是新打开一个窗口。

4.打开项目后右键点击pythonProjec3，新建一个licenseVideo.py文件

5.使用命令pip install hyperlpr下载识别车牌号码的python库

6.继续使用命令pip install opencv-python==3.4.8.29下载版本为3.4.8.29的opencv库

7.继续使用命令pip install pillow下载该python库

8.下载好这两个库后导入这四个库

9.定义一个函数cv2AddChineseText，这个函数的目的是在图像上写出中文字符，该函数内的参数分别是图像、文本内容、像素位置，文本颜色，文本大小

10.找到素材视频并且复制到项目中，然后读取视频

11.写一个while循环，看看能否正常读取图片

12.读取视频，第一个参数ret 为True 或者False,代表有没有读取到图片，第二个参数frame表示截取到一帧的图片

13.判断视频有没有正常读取

14.操作跟图片识别一样

15.在每一帧图片中都进行画图操作，操作情况跟图片识别一样

16.展现每一帧图片以及增加一个中断操作

17.如果视频结束则跳出循环

18.释放视频以及销毁窗口操作

19.运行展现

完整代码展示

import hyperlpr  # 导入hyperlpr库，处理车牌识别
import cv2  # 导入CV2库，处理图片或视频，版本号为3.4.8.29
import numpy as np
from PIL import ImageFont, ImageDraw, Imagedef cv2AddChineseText(img, text, position, textColor=(0, 255, 0), textSize=30):if (isinstance(img, np.ndarray)):  # 判断是否OpenCV图片类型img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))draw = ImageDraw.Draw(img)  # 创建一个可以在给定图像上绘图的对象fontStyle = ImageFont.truetype("simsun.ttc", textSize, encoding="utf-8")  # 字体的格式draw.text(position, text, textColor, font=fontStyle)  # 绘制文本return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)  # 转换回OpenCV格式mp4 = cv2.VideoCapture("2.mp4")  # 读出视频的路径
while (mp4.isOpened()):  # 使用mp4.isOpened()函数来判断视频是否正常打开ret, frame = mp4.read()  # 读取视频，第一个参数ret 为True 或者False,代表有没有读取到图片，第二个参数frame表示截取到一帧的图片if ret == True:  # 判断视频有没有结束k = hyperlpr.HyperLPR_plate_recognition(frame)  # 使用HyperLPR_plate_recognition函数识别图片内车牌号if k:d = []a = k[0][0]b = k[0][1]c = k[0][2]b = str(b)d.append(c)print(a)for (x, y, w, h) in d:cv2.rectangle(frame, (x, y), (w, h), (0, 0, 255), 2)frame = cv2AddChineseText(frame, a, (x, y), (255, 0, 0), 30)cv2.putText(frame, b, (x, y), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)cv2.imshow('frame', frame)if cv2.waitKey(1) & 0xFF == ord('q'):  # 类似中断播放的按键，按q跳出循环终止播放breakelse:  # 如果视频结束正常跳出循环终止播放break
mp4.release()  # 释放视频
cv2.destroyAllWindows()  # 将创建的所有的窗口销毁

到此结束，运行成功的小伙伴们拜托一键三连！！！

小白都能学会的python+opencv，带你从人脸识别做到车牌识别，成为别人口中赞叹的高手！相关推荐

【Python+OpenCV+sklearn+easygui】人脸（口罩）识别+口罩下人脸补全的系统设计
[写在前面:笔者是一个才接触python半年之久的编程菜鸡,刚好这学期的课程需要用到python做一些有关计算机视觉的设计,于是就根据自己所学,同时借鉴了一些CSDN上各位大佬的思路和代码,做了一个简 ...
小白都能学会的Python基础第四讲：Python函数与模块
1.华小智系列 - Python基础(案例版) <Python基础>目录第四讲:Python函数与模块 1.函数的定义与调用 2.函数参数与返回值 2.1 参数再研究 2.2 返回值 2 ...
python网易云收费_小白都能学会的Python爬虫网易云音乐
配置基础 python Selenium Chrome浏览器(其它的也可以,需要进行相应的修改) 分析如果爬取过网易云的网站的小伙伴都应该知道网易云是有反爬取机制的,POST时需要对一些信息的参数进 ...
小白都能学会的Python基础第二讲：Python基础知识
1.华小智系列 - Python基础(案例版) <Python基础>目录第二讲:Python基础知识 1.变量.行与缩进 2.数据类型:数字与字符串 3.列表与字典 4.运算符介绍与实践 ...
小白都能学会的Python基础第六讲：综合实战2 - 大数据分词与词云图绘制
1.华小智系列 - Python基础(案例版) <Python基础>目录第六讲:综合实战2 - 大数据分词与词云图绘制 1.大数据分词技巧 2.词频统计技巧 3.词云图绘制 4.微博词云 ...
小白都能学会的Python基础第七讲：综合实战3 - 文字识别、人脸识别实战
1.华小智系列 - Python基础(案例版) <Python基础>目录第七讲:综合实战3 - 文字识别.人脸识别实战 1.Python图片文字识别(OCR) 2.Python人脸识别( ...
小白都能学会的Python基础第五讲：综合实战1 - 商业实战之德勤笔试题
1.华小智系列 - Python基础(案例版) <Python基础>目录第五讲:综合实战1 - 商业实战之德勤笔试题 1.德勤笔试题分析 2.笔试题讲解 3.课程相关资源第五讲:综合实 ...
人人都能学会的python编程教程1：第一行代码
前言众所周知,现在IT行业很火,行业薪酬也很高,国家在2017年也发布了人工智能教育的推广计划,人人会编程的时代将要到来.不会编程.不懂编程可能有些跟不上时代的节奏,普通人不懂技术也许会觉得这个很难 ...
小学生python-小学生都能学会的python(函数)
小学生都能学会的python(函数) 神马是函数函数: 对功能或者动作的封装函数的定义 def 函数名(形参列表): 函数体(return) ret = 函数名(实参列表) 函数的返回值 retu ...

小白都能学会的python+opencv，带你从人脸识别做到车牌识别，成为别人口中赞叹的高手！

小白都能学会的python+opencv，带你从人脸识别做到车牌识别，成为别人口中赞叹的高手！相关推荐

最新文章

热门文章