基于OpenCV的Python人脸检测、识别、框选（指定照片进行识别）

た入场券 2022-10-14 01:22 196阅读 0赞

基于OpenCV的Python人脸检测、识别、框选（指定照片进行识别）  
增加了视频随时标注功能  
资源：

https://download.csdn.net/download/weixin\_53403301/19651352?spm=1001.2014.3001.5503

最新功能：（遍历目录下所有图像进行识别）  
https://blog.csdn.net/weixin\_53403301/article/details/119422635

新增功能资源链接 https://download.csdn.net/download/weixin\_53403301/20670370

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）

代码：

# -*- coding: utf-8 -*-
    """
    Created on Mon May 31 23:40:16 2021
    
    @author: ZHOU
    """
    
    #!/usr/bin/env python3
    # -*- coding: utf-8 -*-
    import requests # 调用 requests的HTTP协议库
    import os # 调用os文件目录处理库
    import base64 # 调用base64编码库
    import json # 调用JavaScript Object Notation数据交换格式
     
    ACCESS_TOKEN = ''
    BASE_DIR = os.path.dirname(os.path.dirname(os.path.abspath(__file__))) #去掉文件名,返回目录 
     
    # ID,KEY的配置信息
    INFO_CONFIG = {
         
        'ID': '15788358',
        'API_KEY': 'ohtGa5yYoQEZ8Try8lnL99UK',
        'SECRET_KEY': 'qaDjyuXkf5MZ28g5C8pwFngDZenhswC3'
    }
     
    # URL配置
    URL_LIST_URL = {
        
        # ACCESS_TOKEN_URL用于获取ACCESS_TOKEN, POST请求,
        #  grant_type必须参数,固定为client_credentials,client_id必须参数,应用的API Key,client_secre 必须参数,应用的Secret Key.
        'ACCESS_TOKEN_URL': 'https://aip.baidubce.com/oauth/2.0/token?' + 'grant_type=client_credentials&client_id={API_KEYS}&client_secret={SECRET_KEYS}&'.format(
            API_KEYS=INFO_CONFIG['API_KEY'], SECRET_KEYS=INFO_CONFIG['SECRET_KEY']),
        # 登入人脸识别机械学习库
        'FACE_PLATE': 'https://aip.baidubce.com/rest/2.0/face/v3/match',
     
    }
     
     
    class AccessTokenSuper(object):
        pass
     
     
    class AccessToken(AccessTokenSuper):
        def getToken(self):
            accessToken = requests.post(url=URL_LIST_URL['ACCESS_TOKEN_URL']) #登入网址
            accessTokenJson = accessToken.json()
            if dict(accessTokenJson).get('error') == 'invalid_client':
                return '获取accesstoken错误，请检查API_KEY，SECRET_KEY是否正确！'
            return accessTokenJson
     
     
    ACCESS_TOKEN = AccessToken().getToken()['access_token']
     
    LICENSE_PLATE_URL = URL_LIST_URL['FACE_PLATE'] + '?access_token={}'.format(ACCESS_TOKEN)
     
     
    class faceSuper(object):
        pass
     
     
    class face(faceSuper):
     
        def __init__(self, image=None, image2=None):
            self.HEADER = {
        
                'Content-Type': 'application/json; charset=UTF-8',
            }
            if image is not None:
                imagepath = os.path.exists(image)
                if imagepath == True:
                    images = image
                    with open(images, 'rb') as images:
                        img1 = base64.b64encode(images.read())
                else:
                    print("img1 not exits")
                    return
            if image2 is not None:
                imagepath2 = os.path.exists(image2)
                if imagepath2 == True:
                    images2 = image2
                    with open(images2, 'rb') as images2:
                        img2 = base64.b64encode(images2.read())
                else:
                    print("img2 not exits")
                    return
            self.img = img1
            self.imgs = img2
            self.IMAGE_CONFIG1 = {
        "image": str(img1, 'utf-8'), "image_type": "BASE64"}
            self.IMAGE_CONFIG2 = {
        "image": str(img2, 'utf-8'), "image_type": "BASE64"}
            self.IMAGE_CONFIG = json.dumps([self.IMAGE_CONFIG1, self.IMAGE_CONFIG2])
     
        def postface(self):
            if (self.img==None and self.imgs==None):
                return 'image参数不能为空！'
            face = requests.post(url=LICENSE_PLATE_URL, headers=self.HEADER, data=self.IMAGE_CONFIG)
            return face.json()
     
     
    def facef(FA1, FA2): # 人脸识别逻辑函数
        testAccessToken = AccessToken()
        testface = face(image=FA1, image2=FA2)
        result_json = testface.postface()
        result = result_json['result']['score'] #输出结果
        print('人脸相似度：', result)
        if result > 80: # 识别结果大于80则成功
            print("人脸匹配成功！")        
    #    if result < 20:
    #        print("未检测到人脸！")
        else:
            print("人脸匹配失败！")
        return '人脸相似度：' + str(result), result # 输出字符串结果

# -*- coding: utf-8 -*-
    """
    Created on Mon May 31 23:39:19 2021
    
    @author: ZHOU
    """
    
    # -*- coding: utf-8 -*-
     
    import tkinter as tk # 调用窗口tk
    from tkinter import ttk
    from tkinter.filedialog import *
    import tkinter.messagebox
    from PIL import Image, ImageTk # 调用图像处理库pillow
    import api_face # 调用本地函数库 用于登入外部机器学习库并调用人脸识别函数
    import cv2 # 调用OpenCV图像处理库
    import threading # 调用threading多线程运行库
    import time # 调用系统时间戳库
    
    import matplotlib.pyplot as plt # 调用matplotlib绘图库
    plt.rcParams['font.sans-serif'] = ['SimHei'] # 载入字体
    
    #print('请输入需录入的人脸图片路径/文件名：')
    #pic_name=input()
    
    # 利用matplotlib显示图片函数  
    def pshow(words,picture):
        plt.imshow(picture[:,:,::-1])   # 将读取的图片以RGB转换为BGR
        plt.title(words), plt.xticks([]), plt.yticks([])
        plt.show() # 显示图片
        
        
    class Login(ttk.Frame): # 定义窗口大类
        def __init__(self, win):
            ttk.Frame.__init__(self, win)
            frame0 = ttk.Frame(self)
            frame1 = ttk.Frame(self)
            win.title("人脸识别")
            win.minsize(1240, 620)
            self.center_window()    # 执行中置窗口函数
            self.thread_run = None 	# 赋值 线程1默认关闭
            self.thread_run2 = None 	# 线程2默认关闭
            self.camera = None 	# 摄像头默认关闭
     
            #定义tk窗口属性
            
            #self.pilImage = Image.open("img/start.png")
            #self.tkImage = ImageTk.PhotoImage(image=self.pilImage)
            #self.image_ctl = tk.Label(frame0, image=self.tkImage)
            #self.image_ctl.pack()
     
            frame0.pack(side=TOP, fill=tk.Y, expand=1)
            frame1.pack(side=TOP, fill=tk.Y, expand=1)
     
            self.facer = ttk.Label(frame1, text='', font=('Times', '20')) # 字体
            self.facer.pack()
            
            def filefound(): # 定义获取图片路径的函数
                filepath= askopenfilename() # 获取文件路径
                pic_name=filepath
                self.pic_path2 = pic_name # 赋值给图像2
                pic_img=cv2.imread(self.pic_path2)
                pshow('所选人像图片',pic_img) # 显示所选图片
                pic_xz = pic_img.shape # 计算图像大小
                pic_h=pic_xz[0] # 得出图片高度
                pic_w=pic_xz[1] # 得出图片宽度
                turn_w=pic_w*500/pic_h # 限制最大高度为580 以防窗口过小不完全显示 等比例转换宽度
                turn_w=int(turn_w)
                print('人像图像大小（高 宽）：',pic_h,pic_w)
                print ('路径：',filepath)
                # 在tk窗口中显示所选图片
                self.pilImage = Image.open(self.pic_path2)            
                self.photo = self.pilImage.resize((turn_w,500)) # 限制最大高度为580 等比缩放显示
                self.tkImage = ImageTk.PhotoImage(image=self.photo)
                self.image_ctl = tk.Label(frame0, image=self.tkImage)
                self.image_ctl.pack()
                #e.delete(0, END)  # 将输入框里面的内容清空
                #e.insert(0, filepath)
            
            #button2=Button(frame1,text="button2",command=filefound).grid(row=0,column=3)
            # 按钮1 调用filefound函数 获取选择图片的路径 并赋值给self.pic_path2 输出图像
            self.face_button1 = ttk.Button(frame1, text="1. 选择人像图片", width=15, command=filefound)
            self.face_button1.pack(side=TOP)        
            # 按钮2 调用摄像头函数
            self.url_face_button = ttk.Button(frame1, text="2. 使用相机识别", width=15, command=self.cv_face)
            self.url_face_button.pack(side=TOP)
            #self.file_pic_button = ttk.Button(frame1, text="本地文件识别", width=15, command=self.file_pic)
            #self.file_pic_button.pack(side=TOP)
     
            self.pack(fill=tk.BOTH, expand=tk.YES, padx="10", pady="10")
     
        #使弹出的窗体处于屏幕的中间位置
        def center_window(self):
            screenwidth = log.winfo_screenwidth()	# 获取屏幕分辨率宽
            screenheight = log.winfo_screenheight()	# 获取屏幕分辨率高
            log.update()	# 更新窗口
            width = log.winfo_width()	# 重新赋值
            height = log.winfo_height()
            size = '+%d+%d' % ((screenwidth - width)/2, (screenheight - height)/2)
            # 重新赋值大小 大小为屏幕大小/2
            log.geometry(size) 	# 以新大小定义窗口
     
    #    def file1(self):
    #        self.pic_path = askopenfilename(title="选择识别图片", filetypes=[("jpg图片", "*.jpg"), ("png图片", "*.png")])
     
        def cv_face(self):   # 调用摄像头函数
            if self.thread_run:
                if self.camera.isOpened(): # 如果已经打开则关闭
                    self.camera.release()
                    print("关闭摄像头")
                    self.camera = None
                    self.thread_run = False
                return
            if self.camera is None: # 如果没有摄像头则尝试打开
                self.camera = cv2.VideoCapture(1) # 利用OpenCV调用外摄像头
                if not self.camera.isOpened(): # 如果没有打开 则调用内摄像头
                    self.camera = None
                    print("没有外置摄像头")
                    self.camera = cv2.VideoCapture(0) # 用OpenCV调用内摄像头
                    if not self.camera.isOpened(): # 如果没有打开 则打开失败
                        print("没有内置摄像头")
                        tkinter.messagebox.showinfo('警告', '摄像头打开失败！')
                        self.camera = None
                        return
                    else:
                        print("打开内置摄像头")
                else:
                    print("打开外置摄像头")
            self.thread = threading.Thread(target=self.video_thread) # 多线程函数执行摄像头运行函数
            self.thread.setDaemon(True)
            self.thread.start()
            self.thread_run = True
     
        def video_thread(self): # 开始摄像头运行
            self.thread_run = True # 多线程1开启
            self.thread2 = threading.Thread(target=self.video_pic)
            self.thread2.setDaemon(True)
            self.thread2.start()
            self.thread_run2 = True
            while self.thread_run: # 循环一直调用摄像头
                _, img_bgr = self.camera.read() # 以bgr格式读取摄像头内的截图 
                gray = cv2.cvtColor(img_bgr,cv2.COLOR_BGR2GRAY) # 灰度转换
                # 在CV官方机器学习库内加载人脸识别分类器                
                # Python\Python38-32\Lib\site-packages\cv2\data  这个目录下也有
                classifier = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
                color = (0,255,0) # 绿色线
                # 识别器进行识别
                faceRects = classifier.detectMultiScale(gray,scaleFactor=1.2,minNeighbors=3,minSize=(32, 32))
                # 识别器返回一个列表, 里面是每个识别出的人脸的区域, 左上和右下定点的坐标
                # print(faceRects)  #[[113  42  60  60]]    前两个值是左上定点的xy坐标,第三个是width 宽度对应y的变化, 另一个就是x的
    
                # 判断识别结果集合长度
                if len(faceRects):
                    for faceRect in faceRects:
                        x,y,w,h = faceRect
                        # 用矩形框选出人脸   最后一个参数2是框线宽度
                        cv2.rectangle(img_bgr,(x, y), (x + h, y + w), color, 2)                 
                img = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB) # 颜色转换
                im = Image.fromarray(img)
                w, h = im.size
                pil_image_resized = self.resize(w, h, im) # 调整大小函数
                self.imgtk = ImageTk.PhotoImage(image=pil_image_resized)
                self.image_ctl.configure(image=self.imgtk)
            print("结束运行")
     
        def video_pic(self): # 视频截图保存及框选函数
            self.thread_run2 = True     # 开启多线程
            predict_time = time.time() # 获得系统时间
            while self.thread_run2: # 循环读取
                if time.time() - predict_time > 2: #每2s读取一次摄像头截图
                    print("正在识别中")
                    _, img_bgr = self.camera.read() # 重新读取摄像头图像
                    cv2.imwrite("tmp/test.jpg", img_bgr) #利用cv写入到tmp/test.jpg路径下
                    test_pic=cv2.imread('tmp/test.jpg') # 重新读取截图
                    pshow('识别截图',test_pic) # 显示截图
                    
                    # 图像路径 我用的相对路径
                    face_mark = 'tmp/test.jpg'
                    # 读取截图
                    faceImg = cv2.imread(face_mark)
                    # 转换灰色
                    gray = cv2.cvtColor(faceImg,cv2.COLOR_RGB2GRAY) # 由于tmp/test.jpg路径下的已经转换成RGB保存 所以不用再进行BGR转换
    
                    # 在CV官方机器学习库内加载人脸识别分类器                
                    # Python\Python38-32\Lib\site-packages\cv2\data  这个目录下也有
                    classifier = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
                    color = (0,255,0) # 绿色线
    
                    # 识别器进行识别
                    faceRects = classifier.detectMultiScale(gray,scaleFactor=1.2,minNeighbors=3,minSize=(32, 32))
                    # 识别器返回一个列表, 里面是每个识别出的人脸的区域, 左上和右下定点的坐标
                    # print(faceRects)  #[[113  42  60  60]]    前两个值是左上定点的xy坐标,第三个是width 宽度对应y的变化, 另一个就是x的
    
                    # 判断识别结果集合长度
                    if len(faceRects):
                        for faceRect in faceRects:
                            x,y,w,h = faceRect
                            # 用矩形框选出人脸   最后一个参数2是框线宽度
                            cv2.rectangle(faceImg,(x, y), (x + h, y + w), color, 2)
            
                    
                    pshow('识别结果',faceImg)    # 输出框选结果图像并显示
                    cv2.imwrite("tmp/test2.jpg", faceImg)
                    self.pic_path = "tmp/test.jpg" # 重新读取摄像头截图
    #                self.pilImage = Image.open(self.pic_path)
    #                self.tkImage = ImageTk.PhotoImage(image=self.pilImage)
    #                self.image_ctl = tk.Label(frame0, image=self.tkImage)
    #                self.image_ctl.pack()
                    try:
                        self.file_pic() #执行识别函数
                    except:
                        pass
                    predict_time = time.time()      # 读取时间          
                    print("识别结束")
                    
                    # 看门狗程序（调试用）
                    # 防止程序关闭时进入死循环跑飞
                    #print('请输入任意值以继续，否则请关闭窗口以终止程序：')
                    #a=input()
                    #print(a)
            pass
     
        def file_pic(self): #识别函数
            # self.pic_path2在按钮1中被赋值  self.pic_path为调用摄像头的图像
            facestr, result = api_face.facef(self.pic_path, self.pic_path2) # 调用api_face库的人脸识别函数
            self.facer.configure(text=str(facestr))
            #self.pic() # 对摄像头图像进行尺度变换
            if result > 80: #识别结果大于80
                tkinter.messagebox.showinfo('提示', '人脸匹配成功！') # tk窗口提示
                print('人像图片路径：'+self.pic_path2) # 输出人像文件路径
                try:
                    f=open("识别记录.txt","r")
                    fi=open("识别记录.txt","a")
                    txt=time.ctime()
                    fi.write(txt+'   人像图片路径：   '+self.pic_path2+"     人脸匹配成功！ \n")
                    f.close()
                    fi.close() # 将识别成功的记录保存在txt文件下
                except:
                    f=open("识别记录.txt","w")
                    txt=time.ctime()
                    f.write(txt+'   人像图片路径：   '+self.pic_path2+"     人脸匹配成功！ \n")
                    f.close()
                    
                
                
                # close_window()
                # os.system("python3 ./main.py")
            #if result < 20:
            #    tkinter.messagebox.showinfo('提示', '未检测到人脸！')
            else: # 小于80失败
                tkinter.messagebox.showinfo('提示', '人脸匹配失败！')
            
     
    #    def pic(self): # 对摄像头图像进行尺度变换
    #        self.pilImage3 = Image.open(self.pic_path) # 用pillow读取摄像头图像
    #        w, h = self.pilImage3.size # 计算大小赋值给宽 高
    #        pil_image_resized = self.resize(w, h, self.pilImage3) # 调整大小函数
    #        self.tkImage3 = ImageTk.PhotoImage(image=pil_image_resized) 
    #        self.image_ctl.configure(image=self.tkImage3) # 输出结果
     
        def resize(self, w, h, pil_image): # 调整大小函数
            w_box = 1000 # 定义最大宽度
            h_box = 500 # 最大高度
            f1 = 1.0*w_box/w # 最大值/真实值
            f2 = 1.0*h_box/h
            factor = min([f1, f2]) # 取最小值
            width = int(w*factor) # 用最小值*对应值 调整到最大定义值 等比调整另一个值
            height = int(h*factor)
            return pil_image.resize((width, height), Image.ANTIALIAS) # 输出调整
     
     
    def close_window():
        print("已关闭人脸识别")
        if Login.thread_run:
            Login.thread_run = False
            Login.thread.join(2.0)
        log.destroy()
        
    
        
    if __name__ == '__main__':
        log = tk.Tk()
     
        login = Login(log)
        # close,退出输出destroy
        log.protocol('清除窗口', close_window)
        # 进入消息循环
        log.mainloop()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl81MzQwMzMwMQ_size_16_color_FFFFFF_t_70]

资源  
https://download.csdn.net/download/weixin\_53403301/19330528

根据以下两个帖子改进  
添加了框选功能和选择图片功能 优化了部分效果  
https://blog.csdn.net/yql\_617540298/article/details/108479057  
https://blog.csdn.net/weixin\_45304263/article/details/114697938?ops\_request\_misc=%257B%2522request%255Fid%2522%253A%2522162253528016780262586345%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request\_id=162253528016780262586345&biz\_id=0&utm\_medium=distribute.pc\_search\_result.none-task-blog-2allfirst\_rank\_v2~rank\_v29-7-114697938.pc\_search\_result\_control\_group&utm\_term=%E4%BA%BA%E8%84%B8%E6%A1%86%E9%80%89&spm=1018.2226.3001.4187

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl81MzQwMzMwMQ_size_16_color_FFFFFF_t_70]: /images/20221014/c4f7574a18474ad9abb0f6c21fb9f6d9.png