【毕业设计】如何利用Python实现人脸识别？

Python里，简单的人脸识别有很多种方法可以实现，依赖于Python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。

一、梳理一下实现人脸识别需要进行的步骤：

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。

· 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

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. 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）

eigenface
fisherface
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~

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？

下面是博主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：

Python资料领取，扫下方图片，免费领取

【毕业设计】如何利用Python实现人脸识别？相关推荐

Python网络爬虫实战：利用 Python ADB 人脸识别实现自动给抖音漂亮小姐姐视频点赞
这只爬虫做了些什么事儿呢? 通过 ADB 控制你的手机,帮你自动刷抖音调用百度人脸识别的接口,给视频画面中出现的小姐姐打分自动给颜值 70 以上的小姐姐的视频点赞有趣的是,根据抖音的推荐算法,连 ...
基于Python的人脸识别课堂考勤系统（毕设）
一个菜鸟搞毕业设计的过程分享,可能对迷茫的你起到一点点作用! 序言在着手开发项目之前我们一定要对系统进行一个初步的规划,比如系统可以实现什么功能,是否需要开发GUI页面(大部分导师都会让你搞一个,仅 ...
python考勤管理系统_python基础教程：face++与python实现人脸识别签到（考勤）功能...
@本文来源于公众号:csdn2299,喜欢可以关注公众号程序员学府这篇文章主要为大家详细介绍了face++与python实现人脸识别签到(考勤)功能,具有一定的参考价值,感兴趣的小伙伴们可以参考一 ...
python基础教程：face++与python实现人脸识别签到（考勤）功能
@本文来源于公众号:csdn2299,喜欢可以关注公众号程序员学府这篇文章主要为大家详细介绍了face++与python实现人脸识别签到(考勤)功能,具有一定的参考价值,感兴趣的小伙伴们可以参考一 ...
python dlib人脸识别_python3+dlib人脸识别及情绪分析
一.介绍我想做的是基于人脸识别的表情(情绪)分析.看到网上也是有很多的开源库提供使用,为开发提供了很大的方便.我选择目前用的比较多的dlib库进行人脸识别与特征标定.使用python也缩短了开发周期 ...
刷脸签到python代码_背景提升|“刷脸”时代，如何运用Python实现人脸识别?
打开手机,不用输入任何密码,通过"刷脸"就可以轻松打开界面; 走进一家餐厅,即便没有手机和钱包,点餐后就能通过"刷脸"完成支付; 去银行取款,不带银行卡.身份证 ...
刷脸签到python代码_背景提升 | “刷脸”时代，如何运用Python实现人脸识别?
打开手机,不用输入任何密码,通过"刷脸"就可以轻松打开界面; 走进一家餐厅,即便没有手机和钱包,点餐后就能通过"刷脸"完成支付; 去银行取款,不带银行卡.身份证 ...
基于Python的人脸识别方法
摘要:得益于计算机硬件技术的进步以及软件算法的不断改进,近些年来人工智能技术得到了前所未有的发展,基于深.度学习的人脸识别技术也已经得到了广泛的应用,特别是在安保.金融等需要安全系数较高的领域.提出了 ...
python如何做考勤_python基础教程：face++与python实现人脸识别签到（考勤）功能
@本文来源于公众号:csdn2299,喜欢可以关注公众号程序员学府这篇文章主要为大家详细介绍了face++与python实现人脸识别签到(考勤)功能,具有一定的参考价值,感兴趣的小伙伴们可以参考一 ...

【毕业设计】如何利用Python实现人脸识别？

【毕业设计】如何利用Python实现人脸识别？相关推荐

最新文章

热门文章