Python 基于OpenCV+face_recognition实现人脸捕捉与人脸识别(照片对比)
1.安装包依赖
与上篇通过摄像头动态识别人脸一样,先下载好opencv-python、face-recognition,这里因为使用的是照片对比的方式,特意使用tkinter画了一个简单的GUI方便操作。
在python 3以上版本tkinter是环境自带的,所以这里不需要安装
2.代码示例
import os
import cv2
import numpy as np
import face_recognition
import tkinter as tk
import tkinter.filedialog
from PIL import Image,ImageTk classNames=[]
img_path='Picture'
img_recognition_path='Recognition'
existsEncodeingList=[]
#对人脸集合进行编码进行处理
def findEncodeings(images):for img in images:#灰度处理img=cv2.cvtColor(src=img,code=cv2.COLOR_BGR2RGB)#face_encodings对图片对象a_images进行编码并返回数组0位置编码结果encode=face_recognition.face_encodings(img)[0]existsEncodeingList.append(encode)#获取当前存储的人脸编码集合
def findExistsEncodeingList(img_path):images=[]#列出已经上传的所有图片imgList=os.listdir(img_path)#处理存储的图片得到其人脸编码for pic in imgList:img=cv2.imread('{}/{}'.format(img_path,pic))images.append(img)classNames.append(os.path.splitext(pic)[0])findEncodeings(images)#选择并对比图片
def choosepic():choosepath = tkinter.filedialog.askopenfilename()path.set(choosepath)img_open = Image.open(entry.get()).resize((530,750))img = ImageTk.PhotoImage(img_open)lableShowImage.config(image=img)lableShowImage.image = imglableShowImage.place(x=30, y=70, width=530, height=750)faceRecognition(choosepath)def faceRecognition(choosepath):frame=cv2.imread(choosepath)frameRGB=cv2.cvtColor(src=frame,code=cv2.COLOR_BGR2RGB)#对摄像头读取的检测人脸facesLocate=face_recognition.face_locations(frameRGB)#进行特征编码faceEncoded=face_recognition.face_encodings(frameRGB,facesLocate)#遍历检测的人脸和库中读取的图片进行对比,计算其相似度name='unknow'for (top,right, bottom,left),face_encoding in zip(facesLocate,faceEncoded):#进行匹配matchs=face_recognition.compare_faces(existsEncodeingList,face_encoding)#计算相似度distance=face_recognition.face_distance(existsEncodeingList,face_encoding)lab='unknow'for index, item in enumerate(distance):if item<0.5:if matchs[index]:#得到匹配到的图片名称与相似度值lab='name:{}; Similarity:{}'.format(classNames[index],item)name=classNames[index]break#初始化面部捕捉框显示绿色color1 =(0,255,0)if name =='unknow':#未能识别的时候显示蓝色color1 =(255,0,0)#画面部捕捉框cv2.rectangle(img=frame,pt1=(left,top),pt2=(right,bottom),color=color1,thickness=3)#在捕捉框上添加匹配到的图片信息cv2.putText(frame, lab, (left,top-8),cv2.FONT_HERSHEY_SIMPLEX, 0.7, color1, 2)cv2.imwrite('{}/{}.png'.format(img_recognition_path,name),frame)img_Recognition = Image.open('{}/{}.png'.format(img_recognition_path,name)).resize((530,750))img = ImageTk.PhotoImage(img_Recognition)lableShowImage2.config(image=img)lableShowImage2.image = imglableShowImage2.place(x=630, y=70, width=530, height=750)if __name__ == '__main__':findExistsEncodeingList(img_path)#生成tk界面 app即主窗口app = tk.Tk() #修改窗口titileapp.title("show pictue") #设置主窗口的大小和位置app.geometry("1200x900+200+50")#Entry widget which allows displaying simple text.path = tk.StringVar()entry = tk.Entry(app, state='readonly', text=path,width = 100)entry.pack()#使用Label显示图片lableShowImage = tk.Label(app)lableShowImage.pack()#使用Label2显示处理后的图片lableShowImage2 = tk.Label(app)lableShowImage2.pack()#选择图片的按钮buttonSelImage = tk.Button(app, text='choose picture', command=choosepic)buttonSelImage.pack()app.mainloop()
3.说明
首先我将需要被识别的人脸的照片预设到项目目录的Picture文件夹下,然后创建一个Recognition目录存放识别过的图片,这样方便在一个界面上展示对比结果照片。
其实对比结果也可以不用存,直接将处理后的图片缓存直接展示在界面上,这里需要改一下此处的代码,将上述代码注释掉,然后换成下面的那行,通过数组直接转成图片
但是效果会存在色彩的失真,效果如下:
也尝试了PIL的九种不同图片模式: 1,L,P,RGB,RGBA,CMYK,YCbCr,I,F,最终效果也没达到,大概与我resize((530,750))这个有关,也没继续纠结,有兴趣的同学可以尝试一下。
这里简单提下PIL的九种不同图片模式:
modes | 描述 |
---|---|
1 | 1位像素,黑和白,存成8位的像素 |
L | 8位像素,黑白 |
P | 8位像素,使用调色板映射到任何其他模式 |
RGB | 3× 8位像素,真彩 |
RGBA | 4×8位像素,真彩+透明通道 |
CMYK | 4×8位像素,颜色隔离 |
YCbCr | 3×8位像素,彩色视频格式 |
I | 32位整型像素 |
F | 32位浮点型像素 |
4.实现效果
可以实现简单的人脸对比,Similarity代表相似度值,值越小代表人脸与预设的图片越相似。
Python 基于OpenCV+face_recognition实现人脸捕捉与人脸识别(照片对比)相关推荐
- Python 基于OpenCV+face_recognition实现人脸捕捉与人脸识别
1.安装包依赖 pip install opencv-python pip install face-recognition 如果安装face_recognition过程中报错,提示:"CM ...
- Python基于OpenCV的人脸表情识别系统[源码&部署教程]
1.项目背景 人脸表情识别是模式识别中一个非常重要却十分复杂的课题.首先对计算机人脸表情识别技术的研究背景及发展历程作了简单回顾.然后对近期人脸表情识别的方法进行了分类综述.通过对各种识别方法的分析与 ...
- 基于OpenCV的刷脸考勤&人脸校验&用户管理系统(源码&教程)
1.研究背景 随着人工智能时代的来临,深度学习赋予了以人脸图像为中心的计算机视觉任务更多的可能.人脸检测是人脸识别系统组成的关键部分之一,其目的是检测出任意给定图片中的包含的一个或多个人脸,是人脸识别 ...
- Python基于OpenCV的实时疲劳检测[源码&演示视频&部署教程]
1.图片演示 2.视频演示 [项目分享]Python基于OpenCV的实时疲劳检测[源码&演示视频&部署教程]_哔哩哔哩_bilibili 3.检测方法 1)方法 与用于计算眨眼的传统 ...
- Python基于OpenCV&ORB和特征匹配的双视频图像拼接(源码&部署教程)
1.双视频拼接效果展示 2.视频演示 [项目分享]Python基于OpenCV&ORB和特征匹配的双视频图像拼接(源码&部署教程)_哔哩哔哩_bilibili 3.背景 随着汽车电子和 ...
- Python 基于OpenCV 在一张图片上叠加点
Python 基于OpenCV 在一张图片上叠加点 1.安装 OpenCV pip install opencv-python 2.cv2.circle 用法 cv2.circle(img, cent ...
- Python基于OpenCV的指针式表盘检测系统(附带源码&技术文档)
1.背景 指针式机械表盘具有安装维护方便.结构简单.防电磁干扰等诸多优点, 目前广泛应用于工矿企业.能源及计量等部门.随着仪表数量的增加及精密仪表技术的发展,人工判读已经不能满足实际应用需求.随着计算 ...
- Python基于OpenCV的图像去雾算法[完整源码&部署教程]
1.图片识别 2.视频展示 [项目分享]Python基于OpenCV的图像去雾算法[完整源码&部署教程]_哔哩哔哩_bilibili 3.算法原理 图像增强算法常见于对图像的亮度.对比度.饱和 ...
- Python基于Opencv的鱼群密度速度检测系统(源码&教程)
1.研究背景 智慧渔业是大数据.物联网与人工智能等现代信息技术驱动下的渔业发展新模式,是水产养殖业供给侧结构性改革的重要方式,涉及养殖环境监测.生物环境监测与生物状态监测这几大方面的应用与需求.本文从 ...
- Python基于OpenCV的异常行为检测系统[源码&部署教程]
1.项目背景 智能视频监控(Intelligent Video Surveillance , IVS)[1.2·3.4是计算机视觉技术5l在安防领域的应用,实现了由"被动监控"到& ...
最新文章
- ioctl kernel 构建注意事项
- CentOS 7最小安装之后应该尽快做好的几件事情
- 007_Vue style样式绑定
- empire-web可视化
- 华为路由器固件_【卖萌推荐】路由器推荐第二期
- 【智能车Code review】——小S与中S道路判断
- linux内核启动失败,裁剪后montavistalinux内核 nfs启动失败
- C语言进阶深度学习目录表
- 电脑底部任务栏点不动_15个小技巧,让我的Windows电脑更好用了!
- 5个强盗分100颗宝石 你该怎么分?
- 设计模式之Interpreter(解释器)
- mysql 分组求和_MySQL 分组最值、分组均值、分组求和
- Acrel-2000Z智能电力监控系统解决方案
- 天涯明月刀服务器维护事假,《天涯明月刀ol》12月16日服务器维护公告
- CentOS查找redis配置文件及防火墙相关命令
- 学习笔记:SSM框架项目搭建
- Spring bean的生命周期
- vs项目文件夹进行分类管理
- signal函数详解
- ISO26262解析(九)——系统部分