10分钟手把手教你运用Python实现简单的人脸识别
欲直接下载代码文件,关注我们的公众号哦!查看历史消息即可!
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。
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。
ps:小编的宝贝来源已经放在下面链接里啦~
推荐:GITHUB
https://github.com/opencv/opencv/tree/master/data/haarcascades
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1,2
cap = cv2.VideoCapture(0)
#调用人脸分类器,要根据实际路径调整3
face_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id
face_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minNeighborsfaces = 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。
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 os
import cv2
import numpy as np
from 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.sampleNum
def 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
转载于:https://www.cnblogs.com/dengfaheng/p/10959134.html
10分钟手把手教你运用Python实现简单的人脸识别相关推荐
- python编程例子 输入 输出-推荐 :手把手教你用Python创建简单的神经网络(附代码)...
原标题:推荐 :手把手教你用Python创建简单的神经网络(附代码) 作者:Michael J.Garbade:翻译:陈之炎:校对:丁楠雅 本文共2000字,9分钟. 本文将为你演示如何创建一个神经网 ...
- 用Python实现简单的人脸识别,10分钟(附源码)
前言 今天,我们用Python实现简单的人脸识别技术! 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 ...
- 手把手教你用1行代码实现人脸识别 -- Python Face_recognition
2019独角兽企业重金招聘Python工程师标准>>> 环境要求: Ubuntu17.10 Python 2.7.14 环境搭建: 1. 安装 Ubuntu17.10 > 安装 ...
- python实现人脸识别代码_手把手教你用1行代码实现人脸识别——Python Face_recogni...
摘要: 1行代码实现人脸识别,1. 首先你需要提供一个文件夹,里面是所有你希望系统认识的人的图片.其中每个人一张图片,图片以人的名字命名.2. 接下来,你需要准备另一个文件夹,里面是你要识别的图片.3 ...
- 手把手教你开发基于深度学习的人脸识别【考勤/签到】系统
人脸识别介绍 平台环境需求 技术点 系统流程 细节设计 人脸检测 人脸关键点定位 人脸特征提取 模型的训练 模型的部署 MySQL数据库的使用 MFC工程的搭建 软件使用 人脸识别介绍 人脸识别技术是 ...
- 10分钟手把手教你用Android手撸一个简易的个人记账App
用Android手撸一个简易的个人记账系统 ⛱️序言
- 独家 | 手把手教你用Python创建简单的神经网络(附代码)
作者:Michael J.Garbade 翻译:陈之炎 校对:丁楠雅 本文共2000字,建议阅读9分钟. 本文将为你演示如何创建一个神经网络,带你深入了解神经网络的工作方式. 了解神经网络工作方式的最 ...
- python简单代码-手把手教你用Python创建简单的神经网络(附代码)
了解神经网络工作方式的***途径莫过于亲自创建一个神经网络,本文将演示如何做到这一点. 神经网络(NN)又称人工神经网络(ANN),是机器学习领域中基于生物神经网络概念的学习算法的一个子集. 拥有五年 ...
- 手把手教你使用Python解决简单的zip文件解压密码
简介 使用的核心模块是python标准库中的zipfile模块.这个模块可以实现zip文件的各种功能,具体可以查看官方参考文档.这里的暴力破解的意思是对密码可能序列中的值一个一个进行密码尝试,这对人来 ...
最新文章
- Windows7关闭休眠
- 更换YUM及升级包方法
- spring mybatis 整合jar 包冲突问题
- Eclipse开发环境设置
- python连接服务器代码_python服务器端收发请求的实现代码
- 如何使用SAP Cloud for Customer的Key User Tool将Mashup添加到UI上
- 解决DesignMode不能正确反应是否处于设计模式的问题
- 【Bootstrap】 bootstrap-table表格组件
- 各厂商磁编码器对比,AS5047、AS5048、AS5600、TLE5012、MA730
- 神经网络开始设计字体,可根据“矢量字体”变换大小写
- Android开发环境搭建ADT-Bundle集成IDE及Hello World
- koa2从搭建项目到实现API
- Day11 JaseSE File类的使用
- KVM/QEMU(virt-manager)使用iso镜像安装macOS bigsur 11.4
- 用计算机画频率分布直方图,频率分布直方图
- 带你掌握Visual Studio Code的格式化程序
- qq三国单刀赴会服务器找不到,单刀赴会,收武器装备“图纸”,70-120等级,130级按套收,......
- CD网站用户消费行为的分析报告
- 4.9-11 ebook 小问题,自摘记,书城首页开发完毕。
- 【总结】1038- 校招前端在字节跳动一年的收获
热门文章
- python【力扣LeetCode算法题库】10-正则表达式匹配
- 7-18 银行业务队列简单模拟 (25 分)
- 算法训练 区间k大数查询
- 智能集群理论优化控制_无人机集群对抗研究的关键问题
- 怎样利用超图客户端打点_渗透测试——XSS利用工具BeEF攻击演示
- php多维数组打印出最长的数组,将php中的多维数组打印到html表中
- 网络推广外包——竞价账户网络推广外包时怎样进行关键词推广?
- mysql 5.6.29编译安装_MySQL-5.6.29源码编译安装记录
- 苹果8a1660是什么版本_iOS 13频繁“翻车”,果粉们面对苹果将情何以堪
- java接口是类型吗_JAVA中,接口到底是不是类