每日一语：默默的发光，然后惊艳所有人！！！

前言：

本项目是笔者在暑假快结束前写的一个项目，因为开学和和其他的一些问题，一直把这个项目给搁置一边，随着笔者需要转型Java可能以后写python的项目不会是很多，趁今天周末，我把这个项目从仓库拽了出来，给完善了一边，可能功能不是很齐全，希望能给大家带来帮助！！！

前言：

项目介绍

项目思路

项目模块

1.人脸采集

2.数据训练

3.人脸识别

4.GUI界面

项目代码

人脸采集

数据训练

人脸识别

合并GUI

项目总结

项目介绍

我们先来看看成果：

首先写了一个能够操作的GUI界面。

其中两个按钮对应相应的功能：

采集人脸：

识别功能：

我可是牺牲了色相五五五五。。。（电脑像素不是很好大家将就一下嘿嘿嘿）

项目思路

本项目是借助于python的一个cv2图像识别库，通过调取电脑的摄像头进行识别人脸并保存人脸图片的功能，然后在通过cv2中的这两个训练工具对保存的人脸图片进行训练（这些都是已经写好的人脸识别算法）我们直接调用就可以。

项目模块

本项目大致细分能分四个模块。

1.人脸采集

通过

cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

对摄像头的图片进行人脸信息的对比，找到人脸的核心区域然后用长方形方框给圈出来，等待指令，并且进行下一步的保存人脸图片：

这些都是我保存好的（我可是牺牲了色相呜呜呜）这些用来进行数据训练。

2.数据训练

将某一目录下的图片转化为数组，获取每张图片中人脸部分的数据保存到事先创建好的列表中，同时获取每张图片的ID，同样保存在事先创建好的列表中，最后将训练后的数据保存。

3.人脸识别

cv2会把训练好的数据放在一个文件中，我们在识别的时候直接调用这个数据和摄像头上面的人脸进行对比。

上图为训练好的一个文件。

识别效果在上面大家也看到了！！！

4.GUI界面

这个我是通过pyqt来设计了一个简单的GUI界面，配置pyqt环境我在我之前的一篇博客介绍过了——pyqt的介绍

使用了两个简单的button来进行一个可视化。

项目代码

人脸采集

import numpy as np
import cv2
def b():print('正在调用摄像头！')faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')cap = cv2.VideoCapture(0)cap.set(3,640) # set Widthcap.set(4,480) # set Heightwhile True:ret, img = cap.read()#将彩色图转为灰度图gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)faces = faceCascade.detectMultiScale(gray,scaleFactor=1.2,minNeighbors=5,minSize=(20, 20))for (x,y,w,h) in faces:cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)roi_gray = gray[y:y+h, x:x+w]roi_color = img[y:y+h, x:x+w]cv2.imshow('video',img)k = cv2.waitKey(30) & 0xffif k == ord('s'):n = input('请输入编号：')cv2.imwrite('./data/jm/'+n+'.jpg',roi_gray)if k == 27: # press 'ESC' to quitbreakcap.release()cv2.destroyAllWindows()b()

数据训练

import os
import cv2
import sys
from PIL import Image
import numpy as npdef getImageAndLabels(path):facesSamples=[]ids=[]imagePaths=[os.path.join(path,f) for f in os.listdir(path)]#检测人脸face_detector = cv2.CascadeClassifier('haarcascade_frontalface_alt2.xml')#打印数组imagePathsprint('数据排列：',imagePaths)#遍历列表中的图片for imagePath in imagePaths:#打开图片,黑白化PIL_img=Image.open(imagePath).convert('L')#将图像转换为数组，以黑白深浅# PIL_img = cv2.resize(PIL_img, dsize=(400, 400))img_numpy=np.array(PIL_img,'uint8')#获取图片人脸特征faces = face_detector.detectMultiScale(img_numpy)#获取每张图片的id和姓名id = int(os.path.split(imagePath)[1].split('.')[0])#预防无面容照片for x,y,w,h in faces:ids.append(id)facesSamples.append(img_numpy[y:y+h,x:x+w])#打印脸部特征和id#print('fs:', facesSamples)print('id:', id)#print('fs:', facesSamples[id])print('fs:', facesSamples)#print('脸部例子：',facesSamples[0])#print('身份信息：',ids[0])return facesSamples,idsif __name__ == '__main__':#图片路径path='./data/jm/'#获取图像数组和id标签数组和姓名faces,ids=getImageAndLabels(path)#获取训练对象recognizer=cv2.face.LBPHFaceRecognizer_create()#recognizer.train(faces,names)#np.array(ids)recognizer.train(faces,np.array(ids))#保存文件recognizer.write('trainer/trainer3.yml')

人脸识别

import cv2
import os
def a():#加载识别器recognizer = cv2.face.LBPHFaceRecognizer_create()recognizer.read('trainer/trainer3.yml')#加载分类器cascade_path = "haarcascade_frontalface_alt2.xml"face_cascade = cv2.CascadeClassifier(cascade_path)cam = cv2.VideoCapture(0)minW = 0.1*cam.get(3)minH = 0.1*cam.get(4)font = cv2.FONT_HERSHEY_SIMPLEXnames = []agelist=[21,21,21,21,21,21,22]path='./data/jm/'imagePaths=[os.path.join(path,f) for f in os.listdir(path)]for imagePath in imagePaths:id = int(os.path.split(imagePath)[1].split('.')[0])names.append(id)while True:ret, img = cam.read()gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)faces = face_cascade.detectMultiScale(gray,scaleFactor=1.3,minNeighbors=5,minSize=(int(minW), int(minH)))for (x, y, w, h) in faces:cv2.rectangle(img, (x , y ), (x + w , y + h ), (225, 0, 0), 2)img_id, confidence = recognizer.predict(gray[y:y + h, x:x + w])print(img_id,confidence)if confidence < 50:confidence = "{0}%".format(round(100 - confidence))else:img_id = "Unknown"confidence = "{0}%".format(round(100 - confidence))if img_id != "Unknown":print('识别成功！！')else:print('识别失败！！')cv2.putText(img, str(img_id), (x, y + h), font, 0.55, (0, 255, 0), 1)cv2.putText(img, "18", (x , y + 500), font, 1, (0, 255, 0), 1)cv2.putText(img, "18", (x , y +h + 150), font, 1, (0, 255, 0), 1)cv2.putText(img, str(confidence), (x + 5, y - 5), font, 1, (0, 255, 0), 1)cv2.imshow('face', img)if cv2.waitKey(5) & 0xFF == 27:breakcam.release()cv2.destroyAllWindows()

合并GUI

from PyQt5 import QtCore, QtGui, QtWidgets
import cv2class Ui_MainWindow(QtWidgets.QMainWindow):def __init__(self):super(Ui_MainWindow,self).__init__()def setupUi(self, MainWindow):MainWindow.setObjectName("MainWindow")MainWindow.resize(565, 331)self.centralwidget = QtWidgets.QWidget(MainWindow)self.centralwidget.setObjectName("centralwidget")self.pushButton = QtWidgets.QPushButton(self.centralwidget)self.pushButton.setGeometry(QtCore.QRect(70, 190, 111, 61))self.pushButton.setObjectName("pushButton")self.pushButton_2 = QtWidgets.QPushButton(self.centralwidget)self.pushButton_2.setGeometry(QtCore.QRect(310, 190, 121, 61))self.pushButton_2.setObjectName("pushButton_2")self.label = QtWidgets.QLabel(self.centralwidget)self.label.setGeometry(QtCore.QRect(180, 60, 161, 81))self.label.setObjectName("label")MainWindow.setCentralWidget(self.centralwidget)self.menubar = QtWidgets.QMenuBar(MainWindow)self.menubar.setGeometry(QtCore.QRect(0, 0, 565, 26))self.menubar.setObjectName("menubar")MainWindow.setMenuBar(self.menubar)self.statusbar = QtWidgets.QStatusBar(MainWindow)self.statusbar.setObjectName("statusbar")MainWindow.setStatusBar(self.statusbar)self.retranslateUi(MainWindow)QtCore.QMetaObject.connectSlotsByName(MainWindow)def retranslateUi(self, MainWindow):_translate = QtCore.QCoreApplication.translateMainWindow.setWindowTitle(_translate("MainWindow", "MainWindow"))self.pushButton.setText(_translate("MainWindow", "采集人脸信息"))self.pushButton_2.setText(_translate("MainWindow", "开始识别"))# self.label.setText(_translate("MainWindow", "结果："))self.pushButton.clicked.connect(self.b)self.pushButton_2.clicked.connect(self.final)def b(self):print('正在调用摄像头！')print("输入'esc'为退出！！！")faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')cap = cv2.VideoCapture(0)cap.set(3, 640)  # set Widthcap.set(4, 480)  # set Heightprint("请输入字母's'保存信息！！")while True:ret, img = cap.read()# 将彩色图转为灰度图gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)faces = faceCascade.detectMultiScale(gray,scaleFactor=1.2,minNeighbors=5,minSize=(20, 20))for (x, y, w, h) in faces:cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)roi_gray = gray[y:y + h, x:x + w]roi_color = img[y:y + h, x:x + w]cv2.imshow('video', img)k = cv2.waitKey(30) & 0xffif k == ord('s'):n = input('请输入编号：')cv2.imwrite('./data/jm/' + n + '.jpg', roi_gray)if k == 27:breakcap.release()cv2.destroyAllWindows()print("正在训练！！！")self.train()def final(self):import face_zhineng.final_faceface_zhineng.final_face.a()def train(self):import cv2import numpy as npimport face_zhineng.training# 图片路径path = './data/jm/'faces, ids = face_zhineng.training.getImageAndLabels(path)# 获取训练对象recognizer = cv2.face.LBPHFaceRecognizer_create()recognizer.train(faces, np.array(ids))# 保存文件recognizer.write('trainer/trainer3.yml')print("训练完毕！！！")if __name__ == '__main__':import sysapp = QtWidgets.QApplication(sys.argv)MainWindow = QtWidgets.QMainWindow()ui = Ui_MainWindow()ui.setupUi(MainWindow)MainWindow.show()sys.exit(app.exec_())

项目总结

这个项目终于完工了，长长的叹了一口气哈哈哈哈哈哈哈哈哈哈，以后python的项目都不知道啥时候在去写了，目前正在学Java，可能Java的项目会变多，但是我也会一定时间去重写一个python项目。

对于这个项目其实还可以拓展到一些人脸打开的软件上面去，本来是打算这样写的，但是由于时间和精力不是很充裕，我就简单的弄了一下，如果有兴趣的小伙伴可以自己去试试哦！

接下来就要期末复习了，祝大家也能取得一个好成绩！！！

加油加油冲冲冲！！！！

【项目】Python人脸识别（GUI界面）—— 基于pyopencv相关推荐

python人脸识别系统界面设计_基于卷积神经网络的人脸识别系统的设计(Python)
基于卷积神经网络的人脸识别系统的设计(Python)(论文10000字,外文翻译,参考代码,流程图,人脸图像库) 摘要:随着社会的进步与发展,个人信息的保护变得十分重要.传统的密码保护方式已经不再满足 ...
python人脸识别库_基于facenet的实时人脸识别系统
facenet_facerecognition opencv+mtcnn+facenet+python+tensorflow 实现实时人脸识别 Abstract:本文记录了在学习深度学习过程中,使用o ...
python人脸识别库_基于Python的face_recognition库实现人脸识别
Python Python开发 Python语言基于Python的face_recognition库实现人脸识别一.face_recognition库简介 face_recognition是Pyt ...
【开源分享】基于Python+OpenCV+PyQt5车牌识别(GUI界面)
亲测无错:基于Python+OpenCV+PyQt5车牌识别(GUI界面)绝对可以用的!!!!! 基于Python+OpenCV+PyQt5车牌识别(GUI界面) 参考文档
【优秀课设】基于OpenCV的Python人脸识别、检测、框选（遍历目录下所有照片依次识别视频随时标注）
基于OpenCV的Python人脸识别.检测.框选 (遍历目录下所有照片依次识别视频随时标注) 移步: https://blog.csdn.net/weixin_53403301/article/d ...
python人脸识别基于mtcnn和facenet考勤
基于人脸识别的课堂考勤系统课堂考勤是保证学生出勤率的重要手段之一,也是学生课程成绩重要的组成部分,课堂考勤可以很好的监督学生,从而确保了课堂的教学质量.目前主要的考勤手段仍然是教师人工点名或者随 ...
Python人脸识别教程 - 基于Python的开源人脸识别库：离线识别率高达99.38%
Python人脸识别教程 - 基于Python的开源人脸识别库:离线识别率高达99.38% 仅用 Python 和命令行就可以实现人脸识别的库开源了.该库使用 dlib 顶尖的深度学习人脸识别技术构建 ...
Python | 人脸识别系统 — UI界面设计
博客汇总:Python | 人脸识别系统 - 博客索引 GitHub地址:Su-Face-Recognition 注:阅读本博客前请先参考工具安装.环境配置:Python | 人脸识别系统 - 简介 ...
基于pyqt5的登录界面及人脸识别功能界面相互跳转的设计（1）
基于pyqt5的登录界面及人脸识别功能界面相互跳转的设计(1) 这个是登录界面: 部分代码如下: // An highlighted block from 文件1 import * from PyQt ...
MATLAB实现基于BP神经网络的手写数字识别+GUI界面+mnist数据集测试
文章目录 MATLAB实现基于BP神经网络的手写数字识别+GUI界面+mnist数据集测试一.题目要求二.完整的目录结构说明三.Mnist数据集及数据格式转换四.BP神经网络相关知识 4.1 ...

【项目】Python人脸识别（GUI界面）—— 基于pyopencv

前言：

项目介绍

项目思路

项目模块

1.人脸采集

2.数据训练

3.人脸识别

4.GUI界面

项目代码

人脸采集

数据训练

人脸识别

合并GUI

项目总结

【项目】Python人脸识别（GUI界面）—— 基于pyopencv相关推荐

最新文章

热门文章