如何使用Python制作人脸识别系统（2022/5/28版）持续更新

首先，你必须安装Anaconda Individual Edition。链接如下：Anaconda | Individual Edition

注意：如果你有管理员权限，请安装给ALL Users！！！亲测有效，否则报错！

在安装完毕后，打开Anaconda。

有的网友和我说他们不想安装anaconda，那么小Q在此给出一个解决方法：

1. 去python.org上下载Python

2. 在Python里运行代码块即可

不知可不可以，请各位不想装Anaconda的大佬们尝试后留言~谢谢！

或者可以在以下链接里写上你的答案哦~

投票链接：Anaconda安装小调查

点击第一个按钮CMD.exe Prompt

输入：

pip install numpy -i https://mirrors.aliyun.com/pypi/simple
pip install matplotlib -i https://mirrors.aliyun.com/pypi/simple
pip install pandas -i https://mirrors.aliyun.com/pypi/simple
pip install opencv-python -i https://mirrors.aliyun.com/pypi/simple
pip install tensorflow -i https://mirrors.aliyun.com/pypi/simple
pip install keras -i https://mirrors.aliyun.com/pypi/simple
pip install opencv-contrib-python -i https://mirrors.aliyun.com/pypi/simple

如果报错，请在-i前写上--users ！

然后，打开JupyterNotebook

在拷贝代码前，先在源文件里建立data文件夹和training文件夹。否则，会存储失败

#-----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
camera = cv2.VideoCapture(0)
#调用人脸分类器，要根据实际路径调整3
face_classifier = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
#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 = int(input("Please enter start index: "))
tot = count + 100
#count是上一个文件的结束号码，如果没有就写0
while True:    #从摄像头读取图片success,img = camera.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_classifier.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)img_name = "data/User."+str(face_id)+'.'+str(count)+'.jpg'print(img_name)cv2.imwrite(img_name,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if cv2.waitKey(1) == ord('q'):break        #或者得到100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100张的效果是比较理想的elif count >= tot:break#关闭摄像头，释放资源camera.release()
cv2.destroyAllWindows()

注:如果你想要增加准确率,请将100改为800, 更改后代码如下:

#-----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
camera = cv2.VideoCapture(0)
#调用人脸分类器，要根据实际路径调整3
face_classifier = cv2.CascadeClassifier(cv2.data.haarcascades + '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 = int(input("Please enter start index: "))
tot = count + 800while True:    #从摄像头读取图片success,img = camera.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_classifier.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)img_name = "data/User."+str(face_id)+'.'+str(count)+'.jpg'print(img_name)cv2.imwrite(img_name,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if cv2.waitKey(1) == ord('q'):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 >= tot:break#关闭摄像头，释放资源camera.release()
cv2.destroyAllWindows()

运行上述代码，在第一个输入框里会看见如下结果：

输入你的名字后敲一个enter。记住，不要写任何中文字符，否则后面的识别和训练的过程会报错！

接着输入0，如果你要两个人，需要分两次运行。一次输入0，第二次输入100。三个人就以此类推【希望没被我绕晕QAQ】

接着就看着摄像头，慢慢等待指示灯关闭。

这是一个5人的样例，各位大佬请过目QAQ

然后，在下一个Cell黏贴下列代码

#-----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()name_map = {'Unknown':0,'在这里输入第一个人的名字（英文）':1,'第二个人':2,'第三个人':3,'第四个人':4,"第五个人":5,"第六个人":6} #如果人数太多，可以删除一部分。如果太少也可以添加一部分#调用熟悉的人脸分类器
detector = cv2.CascadeClassifier(cv2.data.haarcascades + '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 = []#i = 0#遍历图片路径，导入图片和id添加到list中for image_path in image_paths:#print(i, image_path)#i += 1#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#print(image_path)#print(os.path.split(image_path))#print(os.path.split(image_path)[-1].split("."))#print(os.path.split(image_path)[-1].split(".")[1])#id = int(os.path.split(image_path)[-1].split(".")[-2])id = 3name = os.path.split(image_path)[-1].split(".")[-3]if name in name_map:id = name_map[name]#这部分的作用是删除读取失败的文件#print(id)faces = detector.detectMultiScale(img_np,1.3,5)#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)#print(len(face_samples))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')
print("Success!You have finished training. Go on and Continue!")

好啦，当你运行完后，会看见一下情况：

接着，输入：

#-----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)
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
#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 = ['Unknown', '第一个人','第二个人','第三个人', '第四个人',"第四个人","第五个人"]#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#print(gray)faces = face_cascade.detectMultiScale(gray,scaleFactor = 1.3,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if cv2.waitKey(1) == ord('q'):break
cam.release()
cv2.destroyAllWindows()

接着就可以在屏幕里看见你啦！

PS：如果没看见窗口要么就是在任务栏，要么就是你的电脑CPU不要太好。

CPU	i5第10代及以上（其他的CPU没有测试过）
电脑	Windows10及以上，最好不要Windows11

最后，祝你运行成功！

最新内容1：（更新时间2022/2/12 22:00）

前面好像忘记放上一张效果图了, 效果如下:

最后的最后, 我必须说: 虽然CSDN上很多的都是错误代码, 但是我确保这个教程是正确的 (至少在1年内吧)。

声明

后续还会有关于AI的其他文章会放在Python和AI这两个专栏里, 全部免费! :-)

玩Python的小Q

2022/2/12

如何使用Python制作人脸识别系统（2022/5/28版）持续更新相关推荐

制作自己的人脸识别系统
by Sigurður Skúli 通过SigurðurSkúli 制作自己的人脸识别系统 (Making your own Face Recognition System) Face recogni ...
python人脸识别毕业设计-Python基于Dlib的人脸识别系统的实现
之前已经介绍过人脸识别的基础概念,以及基于opencv的实现方式,今天,我们使用dlib来提取128维的人脸嵌入,并使用k临近值方法来实现人脸识别. 人脸识别系统的实现流程与之前是一样的,只是这里我们 ...
python人脸识别环境搭建_怎样用3分钟搭建 Python 人脸识别系统
Face Recognition 使用的是 C++ 开源库 dlib 通过深度学习模型构建的先进人脸识别系统,可通过 Python 接口或命令行工具对图片中的人脸进行识别.在 Labeled Face ...
python人脸识别系统下载_简单的Python人脸识别系统
案例一导入图片思路: 1.导入库 2.加载图片 3.创建窗口 4.显示图片 5.暂停窗口 6.关闭窗口 # 1.导入库 import cv2 # 2.加载图片 img = cv2.imread(' ...
python怎么另起一行阅读答案_使用Python+Dlib构建人脸识别系统（在Nvidia Jetson Nano 2GB开发板上）...
Nvidia Jetson Nano 2GB开发板是一款新的单板机售价59美元运行带有GPU加速的人工智能软件.在2020年你可以从一台售价59美元的单板计算机中获得令人惊叹的性能让我们用它来 ...
用Python做一个人脸识别系统，简单操作又实用~
导语今天给大家介绍一个非常简洁的人脸识别系统: 人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术.而通过我们Python编程,几行代码就可以实现人脸识别,这主要得益于face_reco ...
python简单的人脸识别系统（PCA+逻辑回归）
python简单的人脸识别系统(PCA+逻辑回归) 数据集:ORL人脸库特征提取:PCA降维,将112*92降成30 分类器:逻辑回归 ** 代码: from tkinter import * fr ...
Python | 人脸识别系统 — 用户操作
本博客为人脸识别系统的摄像头画面展示代码解释人脸识别系统博客汇总:人脸识别系统-博客索引项目GitHub地址:Su-Face-Recognition: A face recognition for ...
Python | 人脸识别系统 — 人脸比对代码部分
本博客为人脸识别系统的人脸比对代码解释人脸识别系统博客汇总:人脸识别系统-博客索引项目GitHub地址:Su-Face-Recognition: A face recognition for us ...

如何使用Python制作人脸识别系统（2022/5/28版）持续更新

如何使用Python制作人脸识别系统（2022/5/28版）持续更新相关推荐

最新文章

热门文章