最简单的python 人脸检测

Myth丶恋晨 2023-06-30 02:41 6阅读 0赞

本篇文章是最基本的人脸检测，没有复杂的算法，只是简单的运用了这三个库opencv，numpy，pillow。

一.开发环境搭建  
我们使用Python自带的IDLE进行编程，我使用的电脑是Windows系统，代码在win7 64位，win10 64位这两种电脑上验证过。Python版本为3.xx,需要使用的库有opencv，numpy，pillow。这三个库分别使用pip按照即可，指令分别为；  
1）opencv；pip install opencv-python  
2）numpy；pip install numpy  
3）pillow；pip install pillow

所有的文件夹

face\_pic  存档获取的照片

转为灰度图片

本文的路径采用自动获取绝对路径

# 在Python的安装目录，按照这个路径依次打开文件夹Lib→site-packages→cv2→data，复制文件“haarcascade\_frontalface\_default.xml”，“haarcascade\_frontalcatface.xml”到face\_identity文件夹，这两个是分类器，用于进行人脸检测。 #

# 然后放到我们准备新建的文件夹中，这里我已经整好了， #

#      #

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70][]

注意

**如果提示“module' object has no attribute 'face'”**

**解决方法：**可以输入 pip install opencv-contrib-python解决，如果提示需要commission，可以在后面加上 --user,即 pip install opencv-contrib-python --user

废话不多说，上代码

'''
    本程序用于产生800张灰度图片素材用于后续训练人脸识别系统
    '''
    
    #-----获取人脸样本-----
    import cv2
    import os
    #调用笔记本内置摄像头，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)
    #调用人脸分类器，获取绝对路径
    face_xml_location=os.path.join('.','haarcascade_frontalface_default.xml')
    face_detector = cv2.CascadeClassifier(face_xml_location)
    
    #为即将录入的脸标记一个id
    face_id = input('\n User data input,Look at the camera and wait ...')
    #sampleNum用来计数样本数目
    count = 0
    
    while True:    
        #从摄像头读取图片
        success,img = cap.read()    
        #转为灰度图片，减少程序符合，提高识别度
        if success is True: 
            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
        else:   
            break
        #检测人脸，将每一帧摄像头记录的数据带入OpenCv中，让Classifier判断人脸
        #其中gray为要检测的灰度图像，1.3为每次图像尺寸减小的比例，5为minNeighbors
        faces = face_detector.detectMultiScale(gray, 1.3, 5)
    
        #框选人脸，for循环保证一个能检测的实时动态视频流
        for (x, y, w, h) in faces:
            #xy为左上角的坐标,w为宽，h为高，用rectangle为人脸标记画框
            cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0))
            #成功框选则样本数增加
            count += 1  
            #保存图像，把灰度图片看成二维数组来检测人脸区域
            #(这里是建立了data的文件夹，当然也可以设置为其他路径或者调用数据库)
            cv2.imwrite("face_pic/User."+str(face_id)+'.'+str(count)+'.jpg',gray[y:y+h,x:x+w]) 
            #显示图片
            cv2.imshow('image',img)       
            #保持画面的连续。waitkey方法可以绑定按键保证画面的收放，通过q键退出摄像
        k = cv2.waitKey(1)        
        if k == '27':
            break        
            #或者得到800个样本后退出摄像，这里可以根据实际情况修改数据量，实际测试后800张的效果是比较理想的
        elif count >= 50:
            break
    
    #关闭摄像头，释放资源
    cap.realease()
    cv2.destroyAllWindows()

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 1][]

ID用来标示不同人的模型照片

为了方便也可以修改不同的文件夹

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 2][]

经过我的思考决定还是放上照片吧

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 3][]

接下来最重要的一步来了

开始模型的分析建立

import cv2
    import os
    import numpy as np
    from PIL import Image
    #导入pillow库，用于处理图像
    #设置之前收集好的数据文件路径
    #获取分类器的路径
    face_xml_location=os.path.join('.','haarcascade_frontalface_default.xml')
    print('',face_xml_location)
    #调用熟悉的人脸分类器
    detector = cv2.CascadeClassifier(face_xml_location)
    #初始化识别的方法
    recognizer = cv2.face.LBPHFaceRecognizer_create()
    #创建一个函数，用于从数据集文件夹中获取训练图片,并获取id
    #注意图片的命名格式为User.id.sampleNum
    
    def get_images_and_labels(path):
        image_paths = [os.path.join(path, f) for f in os.listdir(path)]
        #新建连个list用于存放
        face_samples = []
        ids = []
    #遍历图片路径，导入图片和id添加到list中
        for image_path in image_paths:
            #通过图片路径将其转换为灰度图片
            image = Image.open(image_path).convert('L')
            #将图片转化为数组
            image_np = np.array(image, 'uint8')
            if os.path.split(image_path)[-1].split(".")[-1] != 'jpg':
                continue
            #为了获取id，将图片和路径分裂并获取
            image_id = int(os.path.split(image_path)[-1].split(".")[1])
            faces = detector.detectMultiScale(image_np)
            #将获取的图片和id添加到list中
            for (x, y, w, h) in faces:
                face_samples.append(image_np[y:y + h, x:x + w])
                ids.append(image_id)
                print('',image_id)
        return face_samples, ids
    #调用函数并将数据喂给识别器训练
    print('Training...')
    
    tain_data_location=os.path.join('.','train_data','train.yml')
    face_data_location=os.path.join('.','face_pic')
    faces, Ids = get_images_and_labels(face_data_location)
    #训练模型
    recognizer.train(faces, np.array(Ids))
    recognizer.save(tain_data_location)

根据分类器解析  获取的模型信息倍存放在

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 4][]

最后是我们的人脸检测代码

import cv2
    import numpy as np
    import os
    #准备好识别方法
    recognizer = cv2.face.LBPHFaceRecognizer_create()
    #使用之前训练好的模型
    train_data_location=os.path.join('.','train_data','train.yml')
    recognizer.read(train_data_location)
    #再次调用人脸分类器
    face_xml_location=os.path.join('.','haarcascade_frontalface_default.xml')
    face_cascade = cv2.CascadeClassifier(face_xml_location)
    #加载一个字体，用于识别后，在图片上标注出对象的名字
    font = cv2.FONT_HERSHEY_SIMPLEX
    #打开摄像头
    camera = cv2.VideoCapture(0)
    font = cv2.FONT_HERSHEY_SIMPLEX
    
    while True:
        ret, im = camera.read()
        gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
        #识别人脸
        faces = face_cascade.detectMultiScale(gray, 1.2, 5)
        #校验
        for (x, y, w, h) in faces:
            cv2.rectangle(im, (x - 50, y - 50), (x + w + 50, y + h + 50), (225, 0, 0), 2)
            img_id, confidence = recognizer.predict(gray[y:y + h, x:x + w])
            #计算出结果
            if confidence < 40:
                print('',img_id)
                if img_id == 1:
                    img_id = 'wei'
                    confidence = "{0}%",format(round(100-confidence))
                elif img_id == 2:
                    img_id = '2'
                    confidence = "{0}%",format(round(100-confidence))
            else:
                img_id = "Unknown"
                #输出结果和用户名
            cv2.putText(im, str(img_id), (x, y + h), font, 1, (0, 255, 0), 1)
            cv2.putText(im,str(confidence),(x+50,y+h-50),font,2,(255,0,0),1)
            #图片显示
        cv2.imshow('im', im)
        if cv2.waitKey(10) & 0xFF == ord('q'):
            break
    #释放资源
    camera.release()
    cv2.destroyAllWindows()

confidence是置信度，就是预测这个头像为用户id的可信度为conf%

越小越精确

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 5][]

识别不到我们的训练模型太少了

加到300个照片  开始训练

牛逼

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 6][]

再来一次 800个模型  置信度<30

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 7][]

我曹  达不到30以下  对此我还拿了手机补光，可求刺眼

最后

import cv2
    import numpy as np
    import os
    #准备好识别方法
    recognizer = cv2.face.LBPHFaceRecognizer_create()
    #使用之前训练好的模型
    train_data_location=os.path.join('.','train_data','train.yml')
    recognizer.read(train_data_location)
    #再次调用人脸分类器
    face_xml_location=os.path.join('.','haarcascade_frontalface_default.xml')
    face_cascade = cv2.CascadeClassifier(face_xml_location)
    #加载一个字体，用于识别后，在图片上标注出对象的名字
    font = cv2.FONT_HERSHEY_SIMPLEX
    #打开摄像头
    camera = cv2.VideoCapture(0)
    font = cv2.FONT_HERSHEY_SIMPLEX
    
    while True:
        ret, im = camera.read()
        gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
        #识别人脸
        faces = face_cascade.detectMultiScale(gray, 1.2, 5)
        #校验
        for (x, y, w, h) in faces:
            cv2.rectangle(im, (x - 50, y - 50), (x + w + 50, y + h + 50), (225, 0, 0), 2)
            img_id, confidence = recognizer.predict(gray[y:y + h, x:x + w])
            #计算出结果
            if confidence < 40:
                print('',img_id)
                if img_id == 1:
                    img_id = 'wei'
                    confidence = "{zhixindu}%",format(round(100-confidence))
                elif img_id == 2:
                    img_id = '2'
                    confidence = "{0}%",format(round(100-confidence))
            else:
                img_id = "Unknown"
                #输出结果和用户名
            cv2.putText(im, str(img_id), (x, y + h), font, 1, (0, 255, 0), 1)
            cv2.putText(im,str(confidence),(x+50,y+h-50),font,2,(255,0,0),1)
            #图片显示
        cv2.imshow('im', im)
        if cv2.waitKey(10) & 0xFF == ord('q'):
            break
    #释放资源
    camera.release()
    cv2.destroyAllWindows()

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 8][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200114161310193.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200114161156413.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200114163959276.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20200114161750660.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20200114162020620.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20200114162251888.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20200114162644940.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 7]: https://img-blog.csdnimg.cn/20200114163706289.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 8]: https://img-blog.csdnimg.cn/20200114164357268.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70