人脸检测 + 数据训练 + 人脸识别

分手后的思念是犯贱 2022-12-21 03:14 116阅读 0赞

准备工作：  
安装opencv

pip install opencv

安装opencv-contrib

pip install opencv-contrib

创建文件夹，文件结构为：  
![在这里插入图片描述][20201114091820994.png_pic_center]

## 一、编写一个基础的人脸识别 ##

import cv2 as cv
    
    def face_detect_demo():
    # ----------------------------------------------将图片灰度化----------------------------------------------
            gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
            # 加载特征数据
            face_detector = cv.CascadeClassifier('C:/Program Files (x86)/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
            faces = face_detector.detectMultiScale(gray)
            for x, y, w, h in faces:
                cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 255, 0), thickness=2)
            cv.imshow('result',img)
    
    #加载图片
    img = cv.imread('C:/Users/Administrator/Desktop/my.jpg')
    face_detect_demo()
    cv.waitKey(0)
    cv.destroyAllWindows()

## 二、下载或者使用自己照片当训练素材 ##

照片放在data下面的jm文件夹下面，照片名称是我们后面使用到的ID，命名要规范，后缀要一致。如下：  
![在这里插入图片描述][20201114092224800.png_pic_center]

我10张照片里面选了 1-3为马云的,4-7为普京的,8-10是周杰伦的照片。进行训练识别。

## 三、编写训练代码： ##

import cv2
    import os
    import sys
    from PIL import Image
    import numpy as np
    def getImageAndLabels(path):
        facesSamples=[]
        ids=[]
        imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
        print(imagePaths)
        # 检测人脸
        face_detector = cv2.CascadeClassifier(
            'C:/Program Files (x86)/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
    
        # 遍历列表中的图片
        for imagePath in imagePaths:
            # 打开图片
            PIL_img = Image.open(imagePath).convert('L')
            # 将图像转换为数组
            img_numpy = np.array(PIL_img,'uint8')
            faces = face_detector.detectMultiScale(img_numpy)
            # 获取每张图片的id
            print(os.path.split(imagePath))
            id = int(os.path.split(imagePath)[1].split('.')[0])
            for x,y,w,h in faces:
                facesSamples.append(img_numpy[y:y+h,x:x+w])
                ids.append(id)
        return facesSamples,ids
    
    
    if __name__== '__main__':
        #图片路径
        path = './data/jm/'
        #获取图像 数组和id标签
        faces,ids=getImageAndLabels(path)
        #获取循环对象
        recognizer = cv2.face.LBPHFaceRecognizer_create()
        recognizer.train(faces,np.array(ids))
        #保存文件
        recognizer.write('trainer/trainer.yml')

运行代码后就会生成一个yml文件，这个文件路径我设置在trainer文件夹下面。  
五、编写人脸识别代码：

import cv2
    import numpy as np
    import os
    
    # 1-3,4-7,8-10
    names = ['','MY','MY','MY','president:pitin','president:pitin','president:pitin','president:pitin','jay','jay','jay',]
    
    
    # 加载训练数据和文件
    recognizer = cv2.face.LBPHFaceRecognizer_create()
    recognizer.read('trainer/trainer.yml')
    #准备识别的图片
    img = cv2.imread('C:/Users/Administrator/Desktop/6.jpg')
    gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    face_detector = cv2.CascadeClassifier('C:/Program Files (x86)/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
    faces = face_detector.detectMultiScale(gray,minNeighbors=30)
    for x,y,w,h in faces:
        id, confidence = recognizer.predict(gray[y:y + h, x:x + w]) # 人脸识别
        cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
        name = names[id]
        cv2.putText(img,name,(x,y),cv2.FONT_HERSHEY_COMPLEX,1,(128,128,0),2)
        print('标签id:',id,'置信评分:',confidence)
    cv2.imshow('result',img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

## 总结： ##

基础的人脸检测的思路是：  
1.灰度化图片  
2.加载特征数据  
3.检测灰度图片中的人脸(可以是多个人脸)，获取每一个的人脸坐标  
5.遍历绘制人脸框，显示图像  
6.释放capture内存，销毁所有窗口。

训练数据的思路：  
1.在上面基础上，遍历获取ID和人脸的宽度和高度(y:y+h,x:x+w)  
2.创建`cv2.face.LBPHFaceRecognizer_create()`LBPHFF特征算法类  
3.使用`.train(faces,np.array(ids))`进行训练。  
4.保存yml文件`.write('trainer/trainer.yml')`

人脸识别思路：  
1.导入数据文件

# 加载训练数据和文件
    recognizer = cv2.face.LBPHFaceRecognizer_create()
    recognizer.read('trainer/trainer.yml')

2.按照基础的人脸检测方法，在遍历faces的时候，也就是在被检测的人脸中去匹配特征信息  
使用`.predict(gray[y:y + h, x:x + w])`方法进行人脸识别。

3.最后使用`.putText(img,name,(x,y),cv2.FONT_HERSHEY_COMPLEX,1,(128,128,0),2)`方法进行标签的绘制。

经过训练后，我去网上找了一张程序从来没有见过的普京的照片。  
然后让它识别并且给出一个置信指数，注意指数越低越靠谱，一般来说50的指数为可信度非常强，70以上可信度较弱，指数为0时，则是100%可信，也就是100%匹配。

结果显示 左右的图片(网上找的，程序不认识的)和训练库中id为6的图片匹配(也就是右边的图片)，置信指数55，可见可信度还是比较高的，至此为止整个人脸识别就全部完成了。

[20201114091820994.png_pic_center]: /images/20221120/36b08bab23714eb4b1d8e096b29bcf51.png
[20201114092224800.png_pic_center]: /images/20221120/3bf8f11cdb504e7eb6d51812dc3cd240.png