【笔记】OpenCV3 人脸识别

人脸识别就是一个程序能识别给定图像或视频中的人脸，OpenCV是用一系列分类好的图像来训练程序，并基于这些图像来进行识别。

它的每个识别，都有置信评分，在实际应用中通过对其设置阈值来进行筛选。

为了简单实现人脸识别的功能，写了几个函数从文件夹的图片、从视频中获取头像数据集合

从视频中获取头像

创建存储头像的文件夹，用名称做文件夹的名字
用上一节的检查头像的方法，检测到头像后，调整大小到200*200，方便后面头像识别时对比

def genarate(user_name):userdir = './data/at/%s' % user_nameif not os.path.exists(userdir):print('make dir ', userdir)os.mkdir(userdir)face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_alt.xml')camera = cv2.VideoCapture(0)isopen = camera.isOpened()if not isopen:print('打开摄像头失败...')camera.set(3, 1280)camera.set(4, 720)cv2.namedWindow('face')while isopen:ret, frame = camera.read()if ret:gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)faces = face_cascade.detectMultiScale(gray, 1.2, 5,minSize=(50,50))for (x,y,w,h) in faces:cv2.rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2)f = cv2.resize(gray[y:y+h,x:x+w],(200,200))filename = './data/at/%s/%s.pgm' % (user_name, str(count))cv2.imwrite(filename, f)cv2.imshow('face', frame)pressKey = cv2.waitKey(1)if cv2.getWindowProperty('face', cv2.WND_PROP_AUTOSIZE) < 1:breakif pressKey == 27:  # ESCprint('退出。。。。。')breakelse:breakcamera.release()cv2.destroyAllWindows()

从文件夹中获取头像图片

传入待查找的文件夹
读取目录里面的.jpg的图片，进行头像检测
将检测到头像存到文件夹中。（此处生成的图片用了.jpg的后缀，没有用之前的.pgm，用JPG方便后面手工分类，可以看到预览图）
这个函数主要是把目录里面的所有的头像生成到一个位置，再手工拷贝到对应的训练库的文件夹中去

def getpic_fromdir(dirname):face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_alt.xml')cv2.namedWindow('face',0)cv2.resizeWindow('face',1280,720)count = 0for filename in os.listdir(dirname):filedir = os.path.join(dirname,filename)if os.path.isdir(filedir):continueextname = os.path.splitext(filename)[1]if extname.upper() != '.jpg'.upper():continueprint('search in :',filename)frame = cv2.imread(filedir)if frame is None:print('read %s failed...' % filedir)continuegray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)faces = face_cascade.detectMultiScale(gray, 1.3, 5,minSize=(50,50))for (x,y,w,h) in faces:cv2.rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2)f = cv2.resize(gray[y:y+h,x:x+w],(200,200))filename = './data/from/%s.jpg' % str(count)cv2.imwrite(filename, f)count += 1print(count)cv2.imshow('face', frame)pressKey = cv2.waitKey(10)if pressKey == 27:  # ESCprint('退出。。。。。')breakcv2.destroyAllWindows()

从头像文件夹中读取人脸数据

传入待查找识别的人的数据集：

names = { 'AAA':1, 'BBB':2, 'CCC':3 }

查找存储人脸的目录，找到文件夹名字在待初始化的名称字典中时，才装载人脸数据
读取数据，存入待返回数组，已经人脸数据对应的ID（为数字，后面初始化时需要数字）
同时存储ID对应名称的字典，方便后面根据ID翻译名称

def read_images(path, names, sz=None):c = 0X,Y,index = [],[],{}for dirname in os.listdir(path):userid = int(names.get(dirname))if userid is None:continueindex[userid] = dirnamesubdir = os.path.join(path, dirname)if not os.path.isdir(subdir):continuefor file in os.listdir(subdir):try:filename = os.path.join(subdir, file)if os.path.isdir(filename):continueimg = cv2.imread(filename, cv2.IMREAD_GRAYSCALE)if sz is None:img = cv2.resize(img, (200,200))else:img = cv2.resize(img, sz)X.append(np.asarray(img, dtype=np.uint8))Y.append(userid)except IOError as e:print("I/O error ({})： {1}.".format(e.errno, e.strerror))except:print("Unexcepted error:", sys.exc_info()[0])raise# c = c+1return [X,Y,index]

从摄像头进行人脸识别

OpenCV有三种人脸识别的算法：

Eigenfaces

他是通过PCA来处理的。PCA是计算机视觉中用的较多的数学概念。它的本质是，识别某个训练集上的主成分，并计算出检测到人脸相对于数据库的发散程度，并输出一个值，该值越小，表明人脸数据库和检测到的人脸之间的差别就越小，0表示完全匹配。低于4000-5000的值相对可靠

Fisherfaces

它是从PCA衍生发展起来的，逻辑更复杂，计算更密集，但是比Eigenfaces更容易得到准确的效果。

LBPH(Local Binary Pattern Histogram)

在非常搞的层次上，将检测到的人脸分成小单元，并将其与模型中的对应单元进行比较，对每个区域的匹配值产生一个直方图，由于这种方法的灵活性，它是唯一运行模型样本人脸和检测到的人脸在形状、大小上可以不同的人脸识别算法。置信分在50以内的相对来说比较可靠

初始化算法

model = cv2.face.EigenFaceRecognizer_create()

model = cv2.face.FisherFaceRecognizer_create()

model = cv2.face.LBPHFaceRecognizer_create()
训练 model.train，两个参数：图像数组、标签数组
检测出人脸后，调整到200*200大小，然后进行对比 model.predict(roi) ，返回匹配到的人脸的标签值，以及置信分

def face_rec(names, video_filename=None):read_images(r"./data/at",names)[X, Y, index] = read_images(r"./data/at",names)# model = cv2.face.EigenFaceRecognizer_create()model = cv2.face.LBPHFaceRecognizer_create()model.train(np.asarray(X), np.asarray(Y))face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_alt.xml')camera = Noneif not video_filename:camera = cv2.VideoCapture(0)isopen = camera.isOpened()if not isopen:print('打开摄像头失败...')else:camera = cv2.VideoCapture(video_filename)camera.set(3, 1280)camera.set(4, 720)cv2.namedWindow('face')ret, img = camera.read()while ret:ret, img = camera.read()if ret:gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)faces = face_cascade.detectMultiScale(gray,1.2, 5,minSize=(50,50))for (x,y,w,h) in faces:img = cv2.rectangle(img, (x,y),(x+w,y+h),(255,0,0),2)roi = gray[y:y+h,x:x+w]try:roi = cv2.resize(roi,(200,200),interpolation=cv2.INTER_LINEAR)params = model.predict(roi)# print(params)if params[1] < 60:print("Label:{}, Confidence: {:.2f}".format(params[0],params[1]))cv2.putText(img, index[params[0]], (x,y-20),cv2.FONT_HERSHEY_SIMPLEX,1.2,255,2)except Exception as ex:print('no rec: ',ex)continuecv2.imshow('face',img)pressKey = cv2.waitKey(20)if cv2.getWindowProperty('face', cv2.WND_PROP_AUTOSIZE) < 1:breakif pressKey == 27:  # ESCprint('退出。。。。。')breakcamera.release()cv2.destroyAllWindows()

model = cv2.face.FisherFaceRecognizer_create()

这个fish算法的model.train好慢。。。。。

在摄像头上识别我自己，识别的置信分大概140-350之间，里面有几个ID是2的，说明识别错了。。。

model = cv2.face.EigenFaceRecognizer_create()

它的train更慢。。。。

置信分在4000以内的还可以。。。

model = cv2.face.LBPHFaceRecognizer_create()

它的train快好多。。。置信分在40以内的靠谱点

闲着无聊，对自己电脑上的一个文件夹里面的所有jpg文件进行了识别，当识别到的时候，停顿一下1.5秒再继续，中间跳转的过程中，按空格可以暂停。后面可以扩展下，将识别到的图片分类复制到对应的人名文件夹中去

def face_files(names, filedir):read_images(r"./data/at",names)[X, Y, index] = read_images(r"./data/at",names)model = cv2.face.LBPHFaceRecognizer_create()model.train(np.asarray(X), np.asarray(Y))face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_alt.xml')cv2.namedWindow('face',0)cv2.resizeWindow('face', 1280, 720)for file in os.listdir(filedir):filename = os.path.join(filedir, file)if os.path.isdir(filename):continueextname = os.path.splitext(file)[1]if extname.upper() != '.jpg'.upper():continueframe = cv2.imread(filename)if frame is None:print('read %s failed...' % filename)continuegray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)faces = face_cascade.detectMultiScale(gray, 1.3, 5, minSize=(50, 50))rec_count = 0for (x, y, w, h) in faces:# cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)roi = gray[y:y + h, x:x + w]try:roi = cv2.resize(roi, (200, 200), interpolation=cv2.INTER_LINEAR)params = model.predict(roi)# print(params)if params[1] < 35:rec_count += 1cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)print("Label:{}, Confidence: {:.2f}".format(index[params[0]], params[1]))cv2.putText(frame, index[params[0]] + " Cf: {:.2f}".format(params[1]),(x, y - 20), cv2.FONT_HERSHEY_SIMPLEX, 1.2, 255, 2)except Exception as ex:print('no rec: ', ex)continueframe = cv2.resize(frame,(1280,720),interpolation=cv2.INTER_LINEAR)cv2.imshow('face', frame)pressKey = cv2.waitKey(10)if rec_count > 0:cv2.putText(frame, "GET :{}".format(str(rec_count)),(500, 40),cv2.FONT_HERSHEY_SIMPLEX, 1.2, 255, 2)cv2.imshow('face', frame)pressKey = cv2.waitKeyEx(1500)if pressKey == 27:  # ESCprint('退出。。。。。')breakelif pressKey == 32: #空格 暂停cv2.putText(frame, "PAUSE",(20, 40), cv2.FONT_HERSHEY_SIMPLEX, 1.2, 255, 2)cv2.imshow('face', frame)pressKey = cv2.waitKey(0)if pressKey == 27:  # ESCprint('退出。。。。。')breakelif pressKey == 32:  # 空格 暂停cv2.putText(frame, "PAUSE" + " Cf: {:.2f}".format(params[1]),(20, 20), cv2.FONT_HERSHEY_SIMPLEX, 1.2, (0, 0, 255), 2)cv2.waitKey(0)cv2.destroyAllWindows()

【笔记】OpenCV3 人脸识别相关推荐

吴恩达老师深度学习视频课笔记：人脸识别
什么是人脸识别:人脸验证和人脸识别的区别,如下图: One-shot learning:人脸识别所面临的挑战就是需要解决一次学习(one-shot learning)问 ...
吴恩达深度学习笔记(105)-人脸识别之面部验证与二分类
https://www.toutiao.com/a6652895489354105351/ 面部验证与二分类(Face verification and binary classification) ...
学习笔记TF058:人脸识别
人脸识别,基于人脸部特征信息识别身份的生物识别技术.摄像机.摄像头采集人脸图像或视频流,自动检测.跟踪图像中人脸,做脸部相关技术处理,人脸检测.人脸关键点检测.人脸验证等.<麻省理工科技评论&g ...
计算机视觉与图像处理学习笔记之人脸识别的三种方法
人脸检测是指在图像中完成人脸定位的过程,而人脸识别是在人脸检测的基础上进一步判断人的身份,OpenCV提供了三种人脸识别的方法:EigenFaces(特征脸).FisherFaces(人鱼脸).Loc ...
【论文笔记】—人脸识别—FaceNet—2015-CVPR
论文介绍 FaceNet用到了两个网络,分别是ZFNet和 GoogleNet(Inception V1).FaceNet是直接利用triplet loss训练模型(输入图像,输出欧式空间中的)12 ...
【陈工笔记】# 人脸识别的实际操作记录 #
"良好的习惯,才不会让努力白白浪费." 首先,需要down一个OpenCV出来,刚开始练习,可以在Windows上上手,安装包传送门:如果享用Linux,就down一个出来,也可以 ...
Python+OpenCv实现AI人脸识别身份认证系统(2)——人脸数据采集、存储
原 Python+OpenCv实现AI人脸识别身份认证系统(2)--人脸数据采集.存储 2019年07月02日 08:47:52 不脱发的程序猿阅读数 602更多所属专栏: 人脸识别身份认证系统设 ...
人脸识别系列（十五）：COCO Loss
论文链接:Rethinking Feature Discrimination and Polymerization for Large-scale Recognition 这篇文章其实和NormFac ...
SpringBoot 实现人脸识别功能！so easy
Hollis的新书限时折扣中,一本深入讲解Java基础的干货笔记! 人脸识别因为起安全.便捷的特点,在当下的互联网产品中,可以说随处可见:常常用来解锁.授权.登录等,虽然用起来方便,但是要想自行实现, ...
OpenCV3计算机视觉Python语言实现人脸识别笔记
老衲最近在学习<OpenCV3计算机视觉Python语言实现>中文版,学到第五章人脸识别时懵逼了,书上代码都是片段,不会搞啊,不死心找了英文版官网的源代码,找了个遍,发现原版源代码排版错误 ...

【笔记】OpenCV3 人脸识别

从视频中获取头像

从文件夹中获取头像图片

从头像文件夹中读取人脸数据

从摄像头进行人脸识别

【笔记】OpenCV3 人脸识别相关推荐

最新文章

热门文章