一、需要准备的材料

1.一台可以联网的有摄像头的电脑(手动滑稽)。

2.python3.7的安装包


二、Python3.7及其第三方包的安装

1.Python3.7的安装

关于python3.7的安装,网上有很多教程,请自行百度。

值得注意的是安装时勾选添加环境变量,如果不添加,也可以,但要自己输入相关文件的绝对路径。

 

2.第三方包的安装准备

2.0本文采用pip进行安装,若有过pip经验的可以跳过这个部分。

2.1在开始菜单栏搜索dos,然后回车启动命令提示符。

2.2在python3.7的Scripts文件夹中可以找到pip.exe。

2.3在命令提示符中输入Scripts文件夹的绝对路径

例:cd C:\\python3.7\Scripts

注:cd为Change directory,即更换目录,cd后有空格。

2.4更换目录成功后,输入pip.exe,启动pip,出现如下画面说明启动成功。


python3+openCV图片中人脸、人眼的识别入门篇(含数据收集,模型训练)_人脸识别


2.5 启动pip后,就可以开始安装Python的第三方包了,注意要让电脑联网。

 

3 第三方包的安装

3.1opencv 的安装,输入:pip install opencv-python。

注:numpy与OpenCV绑定安装,无需自己输入命令。

3.2 pillow的安装,输入:pip install pillow

注:pillow为图像处理包。

3.3 contrib的安装,输入:pip instal opencv-contrib-python

注:笔者在contrib的安装这里花费了一些时间,网上说的那些很麻烦的办法,让我看的云里雾里的。

contrib这个包用上面那个命令就可以安装,它是用于训练自己的人脸模型的一个OpenCV扩展包。

下图为三个包的安装过程截图,由于我之前已经安装过,会显示包已存在。首次安装会有进度条,成功后会有Successfully字样。


python3+openCV图片中人脸、人眼的识别入门篇(含数据收集,模型训练)_ide_02

 

三、人脸识别的程序实现

1.FaceDetection,人脸检测

废话不多说,先上代码

import numpy as np
import cv2


# 人脸识别分类器
faceCascade = cv2.CascadeClassifier(r'C:\python3.7\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml')


# 识别眼睛的分类器
eyeCascade = cv2.CascadeClassifier(r'C:\python3.7\Lib\site-packages\cv2\data\haarcascade_eye.xml')


# 开启摄像头
cap = cv2.VideoCapture(0)
ok = True


while ok:
# 读取摄像头中的图像,ok为是否读取成功的判断参数
ok, img = cap.read()
# 转换成灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)


# 人脸检测
faces = faceCascade.detectMultiScale(
gray,
scaleFactor=1.2,
minNeighbors=5,
minSize=(32, 32)
)


# 在检测人脸的基础上检测眼睛
for (x, y, w, h) in faces:
fac_gray = gray[y: (y+h), x: (x+w)]
result = []
eyes = eyeCascade.detectMultiScale(fac_gray, 1.3, 2)


# 眼睛坐标的换算,将相对位置换成绝对位置
for (ex, ey, ew, eh) in eyes:
result.append((x+ex, y+ey, ew, eh))


# 画矩形
for (x, y, w, h) in faces:
cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)


for (ex, ey, ew, eh) in result:
cv2.rectangle(img, (ex, ey), (ex+ew, ey+eh), (0, 255, 0), 2)


cv2.imshow('video', img)


k = cv2.waitKey(1)
if k == 27: # press 'ESC' to quit
break


cap.release()
cv2.destroyAllWindows()

注:1.人脸识别分类器的路径在不同的电脑上不同,一般来讲,在python3.7\Lib\site-packages\cv2\data中,注意是绝对路径,如果嫌目录太长,可以将分类器和程序放在一起。

注:2.经过我的慎重考虑,我决定不放出我的人脸,请各位读者自行尝试,大概就是一个蓝色的矩形框住你的脸,两个绿色的矩形框住你的眼睛,按esc可退出。


2.FaceDataCollect,人脸数据收集

还是先上代码

import cv2
import os
# 调用笔记本内置摄像头,所以参数为0,如果有其他的摄像头可以调整参数为1,2


cap = cv2.VideoCapture(0)


face_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')


face_id = input('\n enter user id:')


print('\n Initializing face capture. Look at the camera and wait ...')


count = 0


while True:


# 从摄像头读取图片


sucess, img = cap.read()


# 转为灰度图片


gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)


# 检测人脸


faces = face_detector.detectMultiScale(gray, 1.3, 5)


for (x, y, w, h) in faces:
cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0))
count += 1


# 保存图像
cv2.imwrite("Facedata/User." + str(face_id) + '.' + str(count) + '.jpg', gray[y: y + h, x: x + w])


cv2.imshow('image', img)


# 保持画面的持续。


k = cv2.waitKey(1)


if k == 27: # 通过esc键退出摄像
break


elif count >= 1000: # 得到1000个样本后退出摄像
break


# 关闭摄像头
cap.release()
cv2.destroyAllWindows()

注:1.在运行该程序前,请先创建一个Facedata文件夹并和你的程序放在一个文件夹下。

友情提示:请将程序和文件打包放在一个叫人脸识别的文件夹下。可以把分类器也放入其中。

注:2.程序运行过程中,会提示你输入id,请从0开始输入,即第一个人的脸的数据id为0,第二个人的脸的数据id为1,运行一次可收集一张人脸的数据。

注:3.程序运行时间可能会比较长,可能会有几分钟,如果嫌长,可以将     #得到1000个样本后退出摄像      这个注释前的1000,改为100。

如果实在等不及,可按esc退出,但可能会导致数据不够模型精度下降。


3.face_training,人脸数据训练

import numpy as np
from PIL import Image
import os
import cv2
# 人脸数据路径
path = 'Facedata'


recognizer = cv2.face.LBPHFaceRecognizer_create()
detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")


def getImagesAndLabels(path):
imagePaths = [os.path.join(path, f) for f in os.listdir(path)] # join函数的作用?
faceSamples = []
ids = []
for imagePath in imagePaths:
PIL_img = Image.open(imagePath).convert('L') # convert it to grayscale
img_numpy = np.array(PIL_img, 'uint8')
id = int(os.path.split(imagePath)[-1].split(".")[1])
faces = detector.detectMultiScale(img_numpy)
for (x, y, w, h) in faces:
faceSamples.append(img_numpy[y:y + h, x: x + w])
ids.append(id)
return faceSamples, ids




print('Training faces. It will take a few seconds. Wait ...')
faces, ids = getImagesAndLabels(path)
recognizer.train(faces, np.array(ids))


recognizer.write(r'face_trainer\trainer.yml')
print("{0} faces trained. Exiting Program".format(len(np.unique(ids))))

注:1.第8行的LBPHFaceRecognizer_create()为contrib中的函数,笔者之前自己摸索时,没有安装此包,因此卡了很久,印象深刻。

注:2.运行该程序前,请在人脸识别文件夹下创建face_trainer文件夹。


4.face_recognition 人脸检测

import cv2


recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('face_trainer/trainer.yml')
cascadePath = "haarcascade_frontalface_default.xml"
faceCascade = cv2.CascadeClassifier(cascadePath)
font = cv2.FONT_HERSHEY_SIMPLEX


idnum = 0


names = ['Allen', 'Bob']


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)


faces = faceCascade.detectMultiScale(
gray,
scaleFactor=1.2,
minNeighbors=5,
minSize=(int(minW), int(minH))
)


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])


if confidence < 100:
idnum = names[idnum]
confidence = "{0}%".format(round(100 - confidence))
else:
idnum = "unknown"
confidence = "{0}%".format(round(100 - confidence))


cv2.putText(img, str(idnum), (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)


cv2.imshow('camera', img)
k = cv2.waitKey(10)
if k == 27:
break


cam.release()
cv2.destroyAllWindows()

注:1. 11行的names中存储人的名字,若该人id为0则他的名字在第一位,id位1则排在第二位,以此类推。

注:2. 最终效果为一个绿框,框住人脸,左上角为红色的人名,左下角为黑色的概率。


四、结语,参考文献与扩展阅读


参考文献与扩展阅读

在这里,我要感谢树莓派实验室的一篇文章,我的大部分代码都来源于此,对想要做深入了解的读者,可以参考此文,以下是链接

​http://shumeipai.nxez.com/2018/03/09/real-time-face-recognition-an-end-to-end-project-with-raspberry-pi.html​

在此以一个问题结尾,为什么网上没有详细的关于如何在电脑上实现人脸识别的教程,而却有在树莓派上的详细教程呢?这不是上升了一个门槛吗?


扫描二维码

获取更多精彩

互联网有啥事

python3+openCV图片中人脸、人眼的识别入门篇(含数据收集,模型训练)_ide_03