직접 코드 파일을 다운로드하려면, 우리의 대중 번호 아에 주목! 내역보기 메시지가 될 수 있습니다!
머리말 : 내 컴퓨터 정보
내 컴퓨터는 내 컴퓨터와 전화, 저를 알고!
오늘, 우리는 사용 파이썬 키가 큰에 구현 얼굴 인식 기술 !
파이썬은, 단순한 인식이 파이썬에 따라 달성하는 방법에는 여러 가지가 있습니다 접착제 언어 기능, 우리는 신속하고 정확하게 패키지를 호출하여이 목표를 달성 할 수 있습니다. 여기에 상대적으로 높은 정밀도의 도입이다.
01 우선
얼굴 인식을 달성하기 위해 어떤 단계 분류 할 필요가 :
프로세스는 일반적으로,이 전에 사람이 먼저 얼굴이 정확하게 전체보다 우리가 훈련 된 분류를 가질 수 있습니다 얼굴 분류, 인터넷 종을 구별 할 수있는 찾아 정확한 사건이었다해야하며, 분류 정확도 상대적으로 높은, 우리는 또한이 지역에 소요되는 시간을 절약 할 수 있습니다.
추신 : 작은 시리즈의 아기 소스는 ~ 친구의 링크를 아래에 배치 된
권장 사항 : GitHub의
https://github.com/opencv/opencv/tree/master/data/haarcascades
파이썬을 사용하기 때문에, 코드를보기 전에, 우리가 처음에 전체 프로젝트 목록을 패키지로 필요, 궁극적으로 자연과 패키지를 사용합니다 :
· CV2 (OpenCV의) : 이미지 인식, 카메라 호출
· OS : 파일 작업
NumPy와이 · : NumPy와 (수치 파이썬), 확장 라이브러리 파이썬 언어 배열과 행렬 연산의 차원을 지원한다, 또한, 배열 작업을위한 수학 라이브러리를 많이 제공
PIL · : 파이썬 이미징 라이브러리, 사실에서 이미지 프로세싱 플랫폼의 파이썬 표준 라이브러리
02 다음
제어를 얻기 위해 2.1 페이스
#-----获取人脸样本-----
import cv2
#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，要根据实际路径调整3
face_detector = cv2.CascadeClassifier(r'X:/Users/73950/Desktop/FaceRec/haarcascade_frontalface_default.xml') #待更改
#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("data/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 >= 800:
break
#关闭摄像头，释放资源
cap.realease()
cv2.destroyAllWindows()실행에 Xiaobian 테스트,
“face_detector = cv2.CascadeClssifier(r'C:\Users\admin\Desktop\python\data\haarcascade_frontalface_default.xml')”此语句时，实际路径中的目录名尽量不要有中文字符出现，否则容易报错。
这样，你的电脑就能看到你啦！
2.2 通过算法建立对照模型
本次所用的算法为opencv中所自带的算法，opencv较新版本中（我使用的是2.4.8）提供了一个FaceRecognizer类，里面有相关的一些人脸识别的算法及函数接口，其中包括三种人脸识别算法（我们采用的是第三种）
1.eigenface
2.fisherface
3.LBPHFaceRecognizer
LBP是一种特征提取方式，能提取出图像的局部的纹理特征，最开始的LBP算子是在3X3窗口中，取中心像素的像素值为阀值，与其周围八个像素点的像素值比较，若像素点的像素值大于阀值，则此像素点被标记为1，否则标记为0。这样就能得到一个八位二进制的码，转换为十进制即LBP码，于是得到了这个窗口的LBP值，用这个值来反映这个窗口内的纹理信息。
LBPH是在原始LBP上的一个改进，在opencv支持下我们可以直接调用函数直接创建一个LBPH人脸识别的模型。
我们在前一部分的同目录下创建一个Python文件，文件名为trainner.py，用于编写数据集生成脚本。同目录下，创建一个文件夹，名为trainner，用于存放我们训练后的识别器。
#-----建立模型、创建数据集-----#-----建立模型、创建数据集-----
import os
import cv2
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
path = 'data'
#初始化识别的方法
recog = cv2.face.LBPHFaceRecognizer_create()
#调用熟悉的人脸分类器
detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
#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
img = Image.open(image_path).convert('L')
#将图片转化为数组
img_np = np.array(img,'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
id = int(os.path.split(image_path)[-1].split(".")[1])
faces = detector.detectMultiScale(img_np)
#将获取的图片和id添加到list中
for(x,y,w,h) in faces:
face_samples.append(img_np[y:y+h,x:x+w])
ids.append(id)
return face_samples,ids
#调用函数并将数据喂给识别器训练
print('Training...')
faces,ids = get_images_and_labels(path)
#训练模型
recog.train(faces,np.array(ids))
#保存模型
recog.save('trainner/trainner.yml')这就让电脑认识到你是与众不同的那颗星~
2.3 识别
检测，校验，输出其实都是识别的这一过程，与前两个过程不同，这是涉及实际使用的过程，所以我们把他整合放在一个统一的一个文件内。
#-----检测、校验并输出结果-----
import cv2
#准备好识别方法
recognizer = cv2.face.LBPHFaceRecognizer_create()
#使用之前训练好的模型
recognizer.read('trainner/trainner.yml')
#再次调用人脸分类器
cascade_path = "haarcascade_frontalface_default.xml"
face_cascade = cv2.CascadeClassifier(cascade_path)
#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
idnum = 0
#设置好与ID号码对应的用户名，如下，如0对应的就是初始
names = ['初始','admin','user1','user2','user3']
#调用摄像头
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)
#识别人脸
faces = face_cascade.detectMultiScale(
gray,
scaleFactor = 1.2,
minNeighbors = 5,
minSize = (int(minW),int(minH))
)
#进行校验
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])
#计算出一个检验结果
if confidence < 100:
idum = names[idnum]
confidence = "{0}%",format(round(100-confidence))
else:
idum = "unknown"
confidence = "{0}%",format(round(100-confidence))
#输出检验结果以及用户名
cv2.putText(img,str(idum),(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)
#展示结果
cv2.imshow('camera',img)
k = cv2.waitKey(20)
if k == 27:
break
#释放资源
cam.release()
cv2.destroyAllWindows()现在，你的电脑就能识别出你来啦！
다른 조합은 또한 시작 테스트와 같은 다양한 기능을 통해 달성 될 수있다, 당신은 그것을입니까?
다음은 테스트 결과의 작은 시리즈이며, 우리가 도와주고 싶어 이런 몇 가지 문제 (노출 한 치아 .JPG를) 검토
테스트 결과
샤오 총통 검토 테스트 중에 문제 신흥 :
(1) 버전 문제
해결책은 : 작은 시리즈의 수많은 실패 후, 우리는 더 나은, NumPy와 설치 PIP 및 OpenCV의-파이썬 NumPy와 설치 PIP 및 파이썬에서 OpenCV의 해당 버전을 설치 직접 사용할 수 python2.7를 설치하라는 메시지가 있었다
(당신이 Anaconda2를 사용하는 경우, 아나콘다 프롬프트 핍 관련 명령은 시작 메뉴 Anaconda2 파일 입력에 따라 폴더)
파일이 컴파일 된 다음 폴더에 GitHub의 파일 다운로드 릴리스 이후에 주어진 링크 트윗을 클릭하고 해당 디렉토리에 코드를 변경
(2) "프롬프트 모듈 얼굴 '객체에는 속성이없는'"하면
해결 방법 : 위원회를 묻는 메시지가 표시되면 PIP OpenCV의-있는 contrib-파이썬 솔루션은, --user 즉 핍하는 OpenCV의-있는 contrib-파이썬 --user를 설치, 나중에 추가 할 수 있습니다 install을 입력
다른 질문이 있으면 아 우리에게 연락 주시기 바랍니다