案例引入

首先简要讲解数据集训练生成模型的原理，这里使用的是LBPH算法，在OpenCV模块中已经有内嵌的方法cv2.face.LBPHFaceRecognizer_create()，为了方便小伙伴们读懂之后的代码，在这里先举一个简单的人脸模型训练的小案例。

第一步：采集人脸数据，网络上有许多案例Demo，不再赘述，代码如下：

import cv2
detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
cap = cv2.VideoCapture(0)
sampleNum = 0
#输入人脸图像数据类别
Id = input('enter your id: ')
while True:
ret, img = cap.read()
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = detector.detectMultiScale(gray, 1.3, 5)
for (x, y, w, h) in faces:
cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
sampleNum = sampleNum + 1
#命名规则为User.[ID].[SampleNumber].jpg
#如果是2号人的第十张照片，我们可以将它命名为User.2.10.jpg
cv2.imwrite("dataSet/User." + str(Id) + '.' + str(sampleNum) + ".jpg", gray[y:y + h, x:x + w]) #
cv2.imshow('frame', img)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
elif sampleNum > 20:
break
cap.release()
cv2.destroyAllWindows()

采集效果如下：

第二步：使用OpenCV中LBPH算法的方法建立人脸数据模型，代码如下：

import cv2
import os
import numpy as np
from PIL import Image
#初始化识别器和人脸检测器
'''
如果face.LBPHFaceRecognizer_create或createLBPHFaceRecognizer显示不存在
则需要下载opencv-contrib-python pip install opencv-contrib-python
'''
# recognizer = cv2.createLBPHFaceRecognizer()
detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
recognizer = cv2.face.LBPHFaceRecognizer_create()
'''
遍历图片路径，导入图片和id，添加到list
'''
def get_images_and_labels(path):
image_paths = [os.path.join(path, f) for f in os.listdir(path)]
face_samples = []
ids = []
for image_path in image_paths:
#灰度图片
image = Image.open(image_path).convert('L')
#将图片转换成了Numpy数组
image_np = np.array(image, 'uint8')
#为了获取到id，我们将图片的路径分裂一下并获取相关信息
if os.path.split(image_path)[-1].split(".")[-1] != 'jpg':
continue
image_id = int(os.path.split(image_path)[-1].split(".")[1])
faces = detector.detectMultiScale(image_np)
#将图片和id都添加在list中
for (x, y, w, h) in faces:
face_samples.append(image_np[y:y + h, x:x + w])
ids.append(image_id)
return face_samples, ids
#让LBPH识别器去训练
faces, Ids = get_images_and_labels('dataSet')
recognizer.train(faces, np.array(Ids))
recognizer.save('trainner.yml')

运行程序即可便捷快速生成模型文件“trainner.yml”，打开模型文件，可以看到人脸数据信息，如下图所示：

本节项目

接下来看看本节训练人脸识别模型小案例吧，只不过是在上面代码的基础添加了图像预处理、数据库操作和GUI操作而已，导入第二节采集到的人脸数据，点击训练即可，当人脸数据类别较多时，可以使用数据库进行查询或者删除操作，效果如下：

确定无误后即可训练模型，效果如下：

训练仅需几秒即可，训练过程中程序会暂停响应，训练成功后就会生成所需模型，大功告成~

最后分享本节实现代码~

#!/usr/bin/env python3
# Author: winterssy <winterssy@foxmail.com>
import cv2
import numpy as np
from PyQt5.QtCore import pyqtSignal
from PyQt5.QtGui import QIcon, QTextCursor
from PyQt5.QtWidgets import QApplication, QWidget, QMessageBox, QTableWidgetItem, QAbstractItemView
from PyQt5.uic import loadUi
import logging
import logging.config
import os
import shutil
import sqlite3
import sys
import threading
import multiprocessing
from datetime import datetime
# 自定义数据库记录不存在异常
class RecordNotFound(Exception):
pass
class DataManageUI(QWidget):
logQueue = multiprocessing.Queue() # 日志队列
receiveLogSignal = pyqtSignal(str) # 日志信号
def __init__(self):
super(DataManageUI, self).__init__()
loadUi('./ui/DataManage.ui', self)
self.setWindowIcon(QIcon('./icons/icon.png'))
self.setFixedSize(931, 577)
# 设置tableWidget只读，不允许修改
self.tableWidget.setEditTriggers(QAbstractItemView.NoEditTriggers)
# 数据库
self.database = './FaceBase.db'
self.datasets = './datasets'
self.isDbReady = False
self.initDbButton.clicked.connect(self.initDb)
# 用户管理
self.queryUserButton.clicked.connect(self.queryUser)
self.deleteUserButton.clicked.connect(self.deleteUser)
# 直方图均衡化
self.isEqualizeHistEnabled = False
self.equalizeHistCheckBox.stateChanged.connect(
lambda: self.enableEqualizeHist(self.equalizeHistCheckBox))
# 训练人脸数据
self.trainButton.clicked.connect(self.train)
# 系统日志
self.receiveLogSignal.connect(lambda log: self.logOutput(log))
self.logOutputThread = threading.Thread(target=self.receiveLog, daemon=True)
self.logOutputThread.start()
# 是否执行直方图均衡化
def enableEqualizeHist(self, equalizeHistCheckBox):
if equalizeHistCheckBox.isChecked():
self.isEqualizeHistEnabled = True
else:
self.isEqualizeHistEnabled = False
# 初始化/刷新数据库
def initDb(self):
# 刷新前重置tableWidget
while self.tableWidget.rowCount() > 0:
self.tableWidget.removeRow(0)
try:
if not os.path.isfile(self.database):
raise FileNotFoundError
conn = sqlite3.connect(self.database)
cursor = conn.cursor()
res = cursor.execute('SELECT * FROM users')
for row_index, row_data in enumerate(res):
self.tableWidget.insertRow(row_index)
for col_index, col_data in enumerate(row_data):
self.tableWidget.setItem(row_index, col_index, QTableWidgetItem(str(col_data)))
cursor.execute('SELECT Count(*) FROM users')
result = cursor.fetchone()
dbUserCount = result[0]
except FileNotFoundError:
logging.error('系统找不到数据库文件{}'.format(self.database))
self.isDbReady = False
self.initDbButton.setIcon(QIcon('./icons/error.png'))
self.logQueue.put('Error：未发现数据库文件，你可能未进行人脸采集')
except Exception:
logging.error('读取数据库异常，无法完成数据库初始化')
self.isDbReady = False
self.initDbButton.setIcon(QIcon('./icons/error.png'))
self.logQueue.put('Error：读取数据库异常，初始化/刷新数据库失败')
else:
cursor.close()
conn.close()
self.dbUserCountLcdNum.display(dbUserCount)
if not self.isDbReady:
self.isDbReady = True
self.logQueue.put('Success：数据库初始化完成，发现用户数：{}'.format(dbUserCount))
self.initDbButton.setText('刷新数据库')
self.initDbButton.setIcon(QIcon('./icons/success.png'))
self.trainButton.setToolTip('')
self.trainButton.setEnabled(True)
self.queryUserButton.setToolTip('')
self.queryUserButton.setEnabled(True)
else:
self.logQueue.put('Success：刷新数据库成功，发现用户数：{}'.format(dbUserCount))
# 查询用户
def queryUser(self):
stu_id = self.queryUserLineEdit.text().strip()
conn = sqlite3.connect(self.database)
cursor = conn.cursor()
try:
cursor.execute('SELECT * FROM users WHERE stu_id=?', (stu_id,))
ret = cursor.fetchall()
if not ret:
raise RecordNotFound
face_id = ret[0][1]
cn_name = ret[0][2]
except RecordNotFound:
self.queryUserButton.setIcon(QIcon('./icons/error.png'))
self.queryResultLabel.setText('Error：此用户不存在')
except Exception as e:
logging.error('读取数据库异常，无法查询到{}的用户信息'.format(stu_id))
self.queryResultLabel.clear()
self.queryUserButton.setIcon(QIcon('./icons/error.png'))
self.logQueue.put('Error：读取数据库异常，查询失败')
else:
self.queryResultLabel.clear()
self.queryUserButton.setIcon(QIcon('./icons/success.png'))
self.stuIDLineEdit.setText(stu_id)
self.cnNameLineEdit.setText(cn_name)
self.faceIDLineEdit.setText(str(face_id))
self.deleteUserButton.setEnabled(True)
finally:
cursor.close()
conn.close()
# 删除用户
def deleteUser(self):
text = '从数据库中删除该用户，同时删除相应人脸数据，该操作不可逆！'
informativeText = '是否继续？'
ret = DataManageUI.callDialog(QMessageBox.Warning, text, informativeText, QMessageBox.Yes | QMessageBox.No,
QMessageBox.No)
if ret == QMessageBox.Yes:
stu_id = self.stuIDLineEdit.text()
conn = sqlite3.connect(self.database)
cursor = conn.cursor()
try:
cursor.execute('DELETE FROM users WHERE stu_id=?', (stu_id,))
except Exception as e:
cursor.close()
logging.error('无法从数据库中删除{}'.format(stu_id))
self.deleteUserButton.setIcon(QIcon('./icons/error.png'))
self.logQueue.put('Error：读写数据库异常，删除失败')
else:
cursor.close()
conn.commit()
if os.path.exists('{}/stu_{}'.format(self.datasets, stu_id)):
try:
shutil.rmtree('{}/stu_{}'.format(self.datasets, stu_id))
except Exception as e:
logging.error('系统无法删除删除{}/stu_{}'.format(self.datasets, stu_id))
self.logQueue.put('Error：删除人脸数据失败，请手动删除{}/stu_{}目录'.format(self.datasets, stu_id))
text = '你已成功删除学号为 {} 的用户记录。'.format(stu_id)
informativeText = '请在右侧菜单重新训练人脸数据。'
DataManageUI.callDialog(QMessageBox.Information, text, informativeText, QMessageBox.Ok)
self.stuIDLineEdit.clear()
self.cnNameLineEdit.clear()
self.faceIDLineEdit.clear()
self.initDb()
self.deleteUserButton.setIcon(QIcon('./icons/success.png'))
self.deleteUserButton.setEnabled(False)
self.queryUserButton.setIcon(QIcon())
finally:
conn.close()
# 检测人脸
def detectFace(self, img):
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
if self.isEqualizeHistEnabled:
gray = cv2.equalizeHist(gray)
face_cascade = cv2.CascadeClassifier('./haarcascades/haarcascade_frontalface_default.xml')
faces = face_cascade.detectMultiScale(gray, scaleFactor=1.3, minNeighbors=5, minSize=(90, 90))
if (len(faces) == 0):
return None, None
(x, y, w, h) = faces[0]
return gray[y:y + w, x:x + h], faces[0]
# 准备图片数据
def prepareTrainingData(self, data_folder_path):
dirs = os.listdir(data_folder_path)
faces = []
labels = []
face_id = 1
conn = sqlite3.connect(self.database)
cursor = conn.cursor()
# 遍历人脸库
for dir_name in dirs:
if not dir_name.startswith('stu_'):
continue
stu_id = dir_name.replace('stu_', '')
try:
cursor.execute('SELECT * FROM users WHERE stu_id=?', (stu_id,))
ret = cursor.fetchall()
if not ret:
raise RecordNotFound
cursor.execute('UPDATE users SET face_id=? WHERE stu_id=?', (face_id, stu_id,))
except RecordNotFound:
logging.warning('数据库中找不到学号为{}的用户记录'.format(stu_id))
self.logQueue.put('发现学号为{}的人脸数据，但数据库中找不到相应记录，已忽略'.format(stu_id))
continue
subject_dir_path = data_folder_path + '/' + dir_name
subject_images_names = os.listdir(subject_dir_path)
for image_name in subject_images_names:
if image_name.startswith('.'):
continue
image_path = subject_dir_path + '/' + image_name
image = cv2.imread(image_path)
face, rect = self.detectFace(image)
if face is not None:
faces.append(face)
labels.append(face_id)
face_id = face_id + 1
cursor.close()
conn.commit()
conn.close()
return faces, labels
# 训练人脸数据
def train(self):
try:
if not os.path.isdir(self.datasets):
raise FileNotFoundError
text = '系统将开始训练人脸数据，界面会暂停响应一段时间，完成后会弹出提示。'
informativeText = '训练过程请勿进行其它操作，是否继续？'
ret = DataManageUI.callDialog(QMessageBox.Question, text, informativeText,
QMessageBox.Yes | QMessageBox.No,
QMessageBox.No)
if ret == QMessageBox.Yes:
face_recognizer = cv2.face.LBPHFaceRecognizer_create()
if not os.path.exists('./recognizer'):
os.makedirs('./recognizer')
faces, labels = self.prepareTrainingData(self.datasets)
face_recognizer.train(faces, np.array(labels))
face_recognizer.save('./recognizer/trainingData.yml')
except FileNotFoundError:
logging.error('系统找不到人脸数据目录{}'.format(self.datasets))
self.trainButton.setIcon(QIcon('./icons/error.png'))
self.logQueue.put('未发现人脸数据目录{}，你可能未进行人脸采集'.format(self.datasets))
except Exception as e:
logging.error('遍历人脸库出现异常，训练人脸数据失败')
self.trainButton.setIcon(QIcon('./icons/error.png'))
self.logQueue.put('Error：遍历人脸库出现异常，训练失败')
else:
text = 'Success! 系统已生成./recognizer/trainingData.yml'
informativeText = '人脸数据训练完成！'
DataManageUI.callDialog(QMessageBox.Information, text, informativeText, QMessageBox.Ok)
self.trainButton.setIcon(QIcon('./icons/success.png'))
self.logQueue.put('Success：人脸数据训练完成')
self.initDb()
# 系统日志服务常驻，接收并处理系统日志
def receiveLog(self):
while True:
data = self.logQueue.get()
if data:
self.receiveLogSignal.emit(data)
else:
continue
# LOG输出
def logOutput(self, log):
time = datetime.now().strftime('[%Y/%m/%d %H:%M:%S]')
log = time + ' ' + log + '\n'
self.logTextEdit.moveCursor(QTextCursor.End)
self.logTextEdit.insertPlainText(log)
self.logTextEdit.ensureCursorVisible() # 自动滚屏
# 系统对话框
@staticmethod
def callDialog(icon, text, informativeText, standardButtons, defaultButton=None):
msg = QMessageBox()
msg.setWindowIcon(QIcon('./icons/icon.png'))
msg.setWindowTitle('OpenCV Face Recognition System - DataManage')
msg.setIcon(icon)
msg.setText(text)
msg.setInformativeText(informativeText)
msg.setStandardButtons(standardButtons)
if defaultButton:
msg.setDefaultButton(defaultButton)
return msg.exec()
if __name__ == '__main__':
logging.config.fileConfig('./config/logging.cfg')
app = QApplication(sys.argv)
window = DataManageUI()
window.show()
sys.exit(app.exec())

本项目资源下载地址：https://download.csdn.net/download/m0_38106923/11072010

Python+OpenCv实现AI人脸识别身份认证系统(1)——人脸识别原理：

https://blog.csdn.net/m0_38106923/article/details/86489773

Python+OpenCv实现AI人脸识别身份认证系统(3)——训练人脸识别模型相关推荐

Python+OpenCV实现AI人脸识别身份认证系统(3)—训练人脸识别模型
目录案例引入本节项目最近有小伙伴们一直在催本项目的进度,好吧,今晚熬夜加班编写,在上一节中,实现了人脸数据的采集,在本节中将对采集的人脸数据进行训练,生成识别模型. 案例引入首先简要讲解数据集 ...
Python+OpenCv实现AI人脸识别身份认证系统(2)——人脸数据采集、存储
原 Python+OpenCv实现AI人脸识别身份认证系统(2)--人脸数据采集.存储 2019年07月02日 08:47:52 不脱发的程序猿阅读数 602更多所属专栏: 人脸识别身份认证系统设 ...
Python+OpenCV实现AI人脸识别身份认证系统(4)—人脸识别
本篇博文是Python+OpenCV实现AI人脸识别身份认证系统的收官之作,在人脸识别原理到数据采集.存储和训练识别模型基础上,实现人脸识别,废话少说,上效果图: 案例引入在Python+OpenC ...
Python+OpenCv实现AI人脸识别身份认证系统(1)——人脸识别原理
原 Python+OpenCv实现AI人脸识别身份认证系统(1)--人脸识别原理置顶 2019年07月02日 08:47:40 不脱发的程序猿阅读数 1255更多所属专栏: 人脸识别身份认证系统 ...
PyQt5 + Python3.7 + OpenCV人脸识别身份认证系统（附源码）
基于PyQt5 + Python3.7 + OpenCV实现的人脸识别身份认证系统,附源码. 技术选型 PyQt5 + Python3.7 + OpenCV 功能概述实现人员注册,信息修改,人脸识别 ...
Python+OpenCV实现AI人脸识别身份认证系统(2)—人脸数据采集、存储
目录实现原理实施步骤实现程序了解人脸检测.识别的原理后,让我们开始人脸识别系统的设计吧~ 首先展示下数据采集.存储的界面设计: 实现原理
Python+OpenCV实现AI人脸识别身份认证系统(1)—人脸识别原理
目录人脸识别流程第一步:人脸检测,找出所有的面孔第二步:脸部的不同姿势
Python+OpenCV人脸识别身份认证系统设计：专栏总述
本专栏依托于Python编程语言,在内容上尽可能涵盖了人脸识别的各个技术模块,从人脸数据采集.数据预处理.数据分析.人脸识别模型的训练到最后的人脸识别,均有详细的操作步骤和注释代码,能帮助学习者从零开 ...
Django的身份认证系统
1 . 在Django中使用身份认证系统 Django的身份认证系统实际上是一个app,该app叫做django.contrib.auth,它在django contrib模块下使用时只需要在set ...

Python+OpenCv实现AI人脸识别身份认证系统(3)——训练人脸识别模型

目录

案例引入

本节项目

Python+OpenCv实现AI人脸识别身份认证系统(3)——训练人脸识别模型相关推荐

最新文章

热门文章