零基础用一百行代码完成动态的人脸识别（opencv+python）

废话：（其实是介绍了一下该文章的大概来路）

电子化的时代到处都能看到人脸识别的用途；比如：刷脸门禁，火车站检票口，又比如检查站，还有一些比较高端的汽车还支持刷脸开门等等。

近期呢接了个学校的一个项目有关于刷脸门禁的，我在CSDN上找了很多，确实有很多相关的博客参考但是怎么说呢总觉得还是差点意思。。。所以我自己写了一个，感兴趣的朋友拿来参考参考，还有个人能力有限如果文章有什么不足可以在评论区跟我留言我看到了会及时更改的。

废话不多说直接开始。

正文：

1.介绍：

本文中人脸识别的讲解分一下五个步骤去讲解：

第一步：人脸的采集

第二步：加载数据，返回目标值

第三步：加载算法

第四步：进行算法的训练，找到数据和目标之间的规律

第五步：动态加载数据

2.开始写各个函数：

2.1 人脸的采集

主要实现步骤是：先从摄像头捕获人脸，对获取到的人脸进行分类。把获取到的人脸转成灰度图片每一个人脸进行10张抓拍，并裁剪成64*64的大小（主要目的就是提高算法的速度，提升人脸识别的准确率）；把图片写入到指定文件目录中，抓拍张数大于10时退出本次录入。

开始录入人脸之前先对每一个人脸创建新的文件夹进行获取到的人脸的保存。take_faces函数就是用来创建文件夹和命名人脸数据文件的。

下面就是代码啦：

#从摄像头获取人脸并且进行分类
def take_phone(path): #获取摄像头数据，调用分类器进行人脸的分类和采集cap=cv2.VideoCapture(0)face_detector=cv2.CascadeClassifier('E:/wodexiangmu/opencv2/sistinemaster/haarcascade_frontalface_default.xml')#这儿我使用的是绝对路径，这个是一个人脸分类器。分类这一块静态进行分类filename=1#计数器，就是抓拍拍到第几张了，进行计数flag_write=False #写入状态的flagwhile True:flag, frame=cap.read()if not flag:breakgray=cv2.cvtColor(frame,code=cv2.COLOR_BGR2GRAY)  #进行灰度处理faces=face_detector.detectMultiScale(gray,minNeighbors=10)for x,y,w,h in faces:if flag_write:face=gray[y:y+h,x:x+w]face=cv2.resize(face,dsize=(64,64))  #进行裁剪cv2.imwrite('./faces_dynamic/%s/%d.jpg'%(path,filename),face) #进行写入filename+=1cv2.rectangle(frame,pt1=(x,y),pt2=(x+w,y+h),color=[0,255,0],thickness=2)#框出人脸if filename>10:  #抓拍张数的判断breakcv2.imshow('face',frame)  #显示key=cv2.waitKey(1000//24)if key==ord('q'):  breakif key==ord('w'):  #点击w开始进行录入flag_write=Truecv2.destroyAllWindows()  cap.release()#通过分类的人脸进行命名和保存
def take_faces():#创建采集人脸数据的文件夹，调用上面写的采集函数可称为是采集函数while True:key = input('请输入文件夹的名字（拼音的缩写，如果输入Q，程序退出！：）')if key == 'Q':break# 在faces_dynamic下面创建子文件夹os.makedirs('./faces_dynamic/%s' % (key), exist_ok=True)take_phone(key)

2.2加载数据，返回目标值

主要步骤是先获取到我们第一步采集的人脸，按照人脸的名字，人脸的关键点并且标签进行归类。对图片进行均衡化处理，为了就是图片颜色鲜明，方便分类；把人脸和标签进行数据化（计算机识别的数字，把获取到那些信息转成一堆数组和无序的数字来表达），最后把这些数据返回出来就行。

代码放这儿啦：

#load——data是获取人脸数据并且灰度化得到模型的脸部关键点信息，标签，姓名
def load_data():listdir = os.listdir('./faces_dynamic')#此处为获取模型中的人脸数据names = [d for d in listdir if not d.startswith('.')]faces = []#保存人脸的关键点信息target=[i for i in range(len(names))]*10 #保存标签for dir in names:for i in range(1, 11):#加载图片gray = cv2.imread('./faces_dynamic/%s/%d.jpg' % (dir, i))  # 三维图片；灰度化gray_ = gray[:, :, 0]  # 二维数组gray_=cv2.equalizeHist(gray_)#图片的均衡化处理，颜色鲜明faces.append(gray_)#添加二维的人脸数据faces = np.asarray(faces) #转换成数字target=np.asarray(target) #转换成数字target.sort()#标签的打散return faces,target,names #返回人脸数据，标签，姓名

2.3算法的加载

目前流行的人脸识别算法为一些三种：

①EigenFaceRecognizer_create() ②FisherFaceRecognizer_create()

③LBPHFaceRecognizer_create()

通过实测发现：LBPH算法的准确率比其他三种算法高很多，所以本文选用LBPH算法作为人脸识别算法。下面供大家参考了，大家可以自行选择。

    #face_recognizer=cv2.face.EigenFaceRecognizer_create()#置信度很大，准确率较低#face_recognizer = cv2.face.FisherFaceRecognizer_create()#置信度较低，准确率还行face_recognizer = cv2.face.LBPHFaceRecognizer_create()#置信度很低，准确率最高可选用

2.4算法训练，找到数据与检测到的目标之间的规律

用train方法进行匹配和关联

2.5动态加载数据

主要步骤是：先调用摄像头获取人脸，调用分类器进行人脸关键点来进行分类。灰度化并对获取人脸进行裁剪，对人脸进行判断。在终端里打印出此人是谁，置信度为多少。在动态画面中框出人脸，显示名字标签。

def dynamic_recognizer_face(face_recognizer,names):#人脸识别函数cap=cv2.VideoCapture(0)#人脸检测face_detector=cv2.CascadeClassifier('E:/wodexiangmu/opencv2/sistinemaster/haarcascade_frontalface_default.xml')while True:flag,frame=cap.read()if not flag:breakgray=cv2.cvtColor(frame,code=cv2.COLOR_BGR2GRAY)faces=face_detector.detectMultiScale(gray,minNeighbors=10)for x,y,w,h in faces:face=gray[y:y+h,x:x+w]face=cv2.resize(face,dsize=(64,64))face=cv2.equalizeHist(face)#动态采集的数据进行均衡化处理y_,confidence=face_recognizer.predict(face)#人脸辨识label=names[y_]print('这个人是：%s;置信度为：%0.1f'%(label,confidence))cv2.rectangle(frame,pt1=(x,y),pt2=(x+w,y+h),color=[0,255,0],thickness=2)cv2.putText(frame,text=label,org=(x,y-10),fontFace=cv2.FONT_HERSHEY_SCRIPT_COMPLEX,fontScale=1.5,color=[0,0,255],thickness=2)cv2.imshow('face',frame)key=cv2.waitKey(1000//24)if key==ord('q'):breakcv2.destroyAllWindows()cap.release()

3.放个源码和演示视频

3.1源码

注意事项：

1.复制，剪贴使用源码时注意替换：分类器的绝对路径。换成自己的路径即可（相对和绝对路径的选择因人而异）

2.先屏蔽5，开启1；进行人脸的采集，采集成功后屏蔽1.开启5进行人脸的识别。

3.如果会用Qt的大佬可以用Qt来进行本项目的完善。（完善了记得在评论去喊我，我会给你点赞收藏的哟）

import cv2
import os
import  numpy as np
#load——data是获取人脸数据并且灰度化得到模型的脸部关键点信息，标签，姓名
def load_data():listdir = os.listdir('./faces_dynamic')#此处为获取模型中的人脸数据names = [d for d in listdir if not d.startswith('.')]faces = []#保存人脸的关键点信息target=[i for i in range(len(names))]*10 #保存标签for dir in names:for i in range(1, 11):#加载图片gray = cv2.imread('./faces_dynamic/%s/%d.jpg' % (dir, i))  # 三维图片；灰度化gray_ = gray[:, :, 0]  # 二维数组gray_=cv2.equalizeHist(gray_)#图片的均衡化处理，颜色鲜明faces.append(gray_)#添加二维的人脸数据faces = np.asarray(faces) #转换成数字target=np.asarray(target) #转换成数字target.sort()#标签的打散return faces,target,names #返回人脸数据，标签，姓名
def take_phone(path): #获取摄像头数据，调用分类器进行人脸的分类和采集cap=cv2.VideoCapture(0)face_detector=cv2.CascadeClassifier('E:/wodexiangmu/opencv2/sistinemaster/haarcascade_frontalface_default.xml')filename=1flag_write=Falsewhile True:flag, frame=cap.read()if not flag:breakgray=cv2.cvtColor(frame,code=cv2.COLOR_BGR2GRAY)faces=face_detector.detectMultiScale(gray,minNeighbors=10)for x,y,w,h in faces:if flag_write:face=gray[y:y+h,x:x+w]face=cv2.resize(face,dsize=(64,64))cv2.imwrite('./faces_dynamic/%s/%d.jpg'%(path,filename),face)filename+=1cv2.rectangle(frame,pt1=(x,y),pt2=(x+w,y+h),color=[0,255,0],thickness=2)if filename>10:breakcv2.imshow('face',frame)key=cv2.waitKey(1000//24)if key==ord('q'):breakif key==ord('w'):flag_write=Truecv2.destroyAllWindows()cap.release()
def take_faces():#创建采集人脸数据的文件夹，调用上面写的采集函数可称为是采集函数while True:key = input('请输入文件夹的名字（拼音的缩写，如果输入Q，程序退出！：）')if key == 'Q':break# 在faces_dynamic下面创建子文件夹os.makedirs('./faces_dynamic/%s' % (key), exist_ok=True)take_phone(key)
def dynamic_recognizer_face(face_recognizer,names):#人脸识别函数cap=cv2.VideoCapture(0)#人脸检测face_detector=cv2.CascadeClassifier('E:/wodexiangmu/opencv2/sistinemaster/haarcascade_frontalface_default.xml')while True:flag,frame=cap.read()if not flag:breakgray=cv2.cvtColor(frame,code=cv2.COLOR_BGR2GRAY)faces=face_detector.detectMultiScale(gray,minNeighbors=10)for x,y,w,h in faces:face=gray[y:y+h,x:x+w]face=cv2.resize(face,dsize=(64,64))face=cv2.equalizeHist(face)#动态采集的数据进行均衡化处理y_,confidence=face_recognizer.predict(face)#人脸辨识label=names[y_]print('这个人是：%s;置信度为：%0.1f'%(label,confidence))cv2.rectangle(frame,pt1=(x,y),pt2=(x+w,y+h),color=[0,255,0],thickness=2)cv2.putText(frame,text=label,org=(x,y-10),fontFace=cv2.FONT_HERSHEY_SCRIPT_COMPLEX,fontScale=1.5,color=[0,0,255],thickness=2)cv2.imshow('face',frame)key=cv2.waitKey(1000//24)if key==ord('q'):breakcv2.destroyAllWindows()cap.release()
if __name__ == '__main__':#1.动态的采集人脸#take_faces()#2.加载数据,返回目标值faces,target,names=load_data()#3.加载算法#face_recognizer=cv2.face.EigenFaceRecognizer_create()#置信度很大，准确率较低#face_recognizer = cv2.face.FisherFaceRecognizer_create()#置信度较低，准确率还行face_recognizer = cv2.face.LBPHFaceRecognizer_create()#置信度很低，准确率最高可选用#4.进行算法训练，找到数据和目标之间的规律face_recognizer.train(faces,target)#5.动态加载数据dynamic_recognizer_face(face_recognizer,names)

3.2视频演示

在我主页的视频那一栏我放了演示视频大家可以去看看（主要是这儿不能直接插入视频）。。。

最后：

最后希望能帮到大家，如果有什么问题可以私信，也可以留言，看到了就会回复和及时改进的。

下个项目再见。。。

零基础用一百行代码完成动态的人脸识别（opencv+python）相关推荐

python编程人脸识别工具_几行代码带你实现人脸识别。Python 就是这么简单
本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理以下文章来源于腾讯云作者:Python编程与实战阅读文本大概需要 11分钟. ...
python人脸识别代码是什么_几行代码带你实现人脸识别。Python 就是这么简单
本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理以下文章来源于腾讯云作者:Python编程与实战 ( 想要学习Python?Py ...
python怎么判断真假_Python不超过10行代码就可实现人脸识别，教你辨别真假
[[爱编程的南风]Python不超过10行代码就可实现人脸识别,教你辨别真假]http://toutiao.com/group/6518157903055045127/?iid=15906422033 ...
python人脸识别代码_Python不用10行代码就可实现人脸识别，还可辨别真假，太棒了！...
人脸识别技术大致由人脸检测和人脸识别两个环节组成.之所以要有人脸检测,不光是为了检测出照片上是否有人脸,更重要的是把照片中人脸无关的部分删掉,否则整张照片的像素都传给f(x)识别函数肯定就不可用了.人 ...
python1000行代码_写个人脸识别程序员，C可能要两千行代码，Java两百！但是Python只需二十行即可！...
今天给大家介绍一个世界上最简洁的人脸识别库 face_recognition,你可以使用 Python 和命令行工具进行提取.识别.操作人脸. 基于业内领先的 C++ 开源库 dlib 中的深度学习模 ...
用Python几行代码实现简单的人脸识别，10分钟完成（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 ...
python代码大全和用法用量_python零基础入门命令方式汇总大全，快速恶补你的Python基础...
原标题:python零基础入门命令方式汇总大全,快速恶补你的Python基础无意中浏览到这篇来自大牛的分享,总结的很全面,我重新排版下放在这里,希望能帮助到大家.在此十分感谢原作者! 在开始之前还是 ...
python基础代码大全-python零基础入门命令方式汇总大全，快速恶补你的Python基础...
原标题:python零基础入门命令方式汇总大全,快速恶补你的Python基础无意中浏览到这篇来自大牛的分享,总结的很全面,我重新排版下放在这里,希望能帮助到大家.在此十分感谢原作者! 在开始之前还是 ...
零基础可以学习低代码吗
有粉丝问,零基础可以学习低代码吗?今天就写一篇博客回答一下这个问题. 先解决零基础学习低代码的原因我不知道这位粉丝的背景和个人履历,说一说我自己为啥学习低代码.博主08年进入计算机这个行业,头三年是 ...

零基础用一百行代码完成动态的人脸识别（opencv+python）

零基础用一百行代码完成动态的人脸识别（opencv+python）相关推荐

最新文章

热门文章