一个人脸识别的例子
程序中用到了公共数据集， 欢迎去我的git上下载源码，源码里带有数据集
git：https://github.com/linyi0604/Computer-Vision
脚本中一个三个函数
第一个: 调用本机摄像头采集一些自己的照片 作为数据集的一部分
第二个：把自己的照片 和公共数据集照片一并读取 作为输入数据
第三个： 预测函数 调用第二个函数拿到x 和y 进行训练后 开启摄像头 进行预测
1 # coding:utf-8
2
3 import cv2 4 import os 5 import numpy as np 6
7
8 # 1 生成人脸识别数据
9 # 图像是灰度格式，后缀名.pgm
10 # 图像是正方形 图像大小要一样 在这里使用200*200
11 def generate(): 12 # 加载检测图像中人脸位置的对象， xml文件需要去opencv文件夹里面找， 放到项目里面来引入
13 face_cascade = cv2.CascadeClassifier("../data/haarcascade_frontalface_default.xml") 14 # 调用本机摄像头
15 camera = cv2.VideoCapture(0) 16 count = 0 17 # 读取摄像头
18 while True: 19 # 读入 帧
20 ret, frame = camera.read() 21 # 变为灰度图像
22 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) 23 # 检测人脸位置
24 faces = face_cascade.detectMultiScale(gray, 1.3, 5) 25 # 将图片中人脸位置单独拿出来改变成200*200大小的图片 存入本地 作为数据集
26 for (x, y, w, h) in faces: 27 img = cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2) 28 f = cv2.resize(gray[y:y+h, x:x+w], (200, 200)) 29 cv2.imwrite("./data/%s.pgm" % str(count), f) 30 count += 1
31
32 cv2.imshow("camera", frame) 33 # 如果按键q就退出 否则等50毫秒
34 if cv2.waitKey(50) & 0xff == ord("q"): 35 break
36
37 camera.release() 38 cv2.destroyAllWindows() 39
40
41 # 读取生成好的数据 在我项目目录下整理好的
42 def readImages(): 43 x, y = [], [] 44 path = "./data/faces/"
45 image_file = os.listdir(path) 46 image_files = [path + i for i in image_file] 47 for file in image_files: 48 images = os.listdir(file) 49 label = file.split("/")[-1][1:] 50 for i in images: 51 img = cv2.imread(file + "/" + i, cv2.IMREAD_GRAYSCALE) 52 img = cv2.resize(img, (200, 200)) 53 x.append(np.asarray(img, dtype=np.uint8)) 54 y.append(int(label)) 55
56 y = np.asarray(y, dtype=np.int32) 57 return x, y 58
59
60 # 检测人脸
61 def face_rec(): 62 # 获取数据
63 x, y = readImages() 64
65 # 人脸识别的模型
66 model = cv2.face.EigenFaceRecognizer_create() 67 # fisherfaces算法的模型
68 # model = cv2.face.FisherFaceRecognizer_create()
69 # LBPH算法的模型
70 # model = cv2.face.LBPHFaceRecognizer_create()
71 """
72 Eigenfaces和Fisherfaces 预测时候产生0到20000的评分 73 低于4000 5000 的评分都是相当可靠的 74 LBPH 产生评分不同，低于50是可靠的 高于80是不可靠的 75 """
76
77 # 训练模型
78 model.train(np.asarray(x), np.asarray(y)) 79
80 # 开摄像头
81 camera = cv2.VideoCapture(0) 82 # 加载检测人脸对象
83 face_cascade = cv2.CascadeClassifier("../data/haarcascade_frontalface_default.xml") 84 while True: 85 # 读取当前帧
86 read, img = camera.read() 87 # 当前帧下检测人脸
88 faces = face_cascade.detectMultiScale(img, 1.3, 5) 89 for (x, y, w, h) in faces: 90 # 画出人脸
91 img = cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2) 92 # 转成灰度图
93 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 94 # 拿出人脸部分
95 roi = gray[x: x+w, y: y+h] 96 try: 97 # 更改大小
98 roi = cv2.resize(roi, (200, 200), interpolation=cv2.INTER_LINEAR) 99 # 进行预测
100 params = model.predict(roi) 101 # 在图像上写预测结果
102 # 1.2是字体大小 2是粗细
103 img = cv2.putText(img, str(params[0]), (x, y), cv2.FONT_HERSHEY_SIMPLEX, 1.2, (0, 255, 0), 2) 104 # prams是一个二元素列表, 第一个元素是预测结果，第二个元素是得分情况
105 print(params) 106
107 except Exception as e: 108 print(e) 109 cv2.imshow("detect face", img) 110 if cv2.waitKey(5) & 0xff == ord("q"): 111 break
112
113 cv2.destroyAllWindows() 114
115
116 if __name__ == '__main__': 117 # 调用摄像头 采集人脸照片数据
118 # generate()
119
120 # 检测人脸
121 face_rec()