opencv：从0到实现人脸识别

news2024/10/7 10:18:40

目录

opencv 人脸检查原理：

整体目录：

1.读取并展示图片

2.人脸检测

3.视频人脸检测

4.拍照保存

5 数据训练

6 人脸识别

opencv 人脸检查原理：

OpenCV 中的人脸检测是基于哈尔特征分类器（Haar Feature-based Cascade Classifiers）的方法。以下是人脸检测的基本原理：

  1. Haar特征： Haar特征是一种基于图像区域的局部特征，通常用于目标检测。这些特征可以是边缘、线、中心化的矩形等。在人脸检测中，Haar特征通常用于检测人脸的各种组成部分，如眼睛、鼻子、嘴巴等。

  2. 分类器： Haar分类器是由许多弱分类器组成的级联结构。每个弱分类器都是一个用于检测特定Haar特征的简单规则。级联结构的目的是通过逐步排除非人脸区域，从而提高检测效率。

  3. 训练： Haar分类器需要进行训练，以便学习正确的人脸和非人脸区域的特征。这个训练过程涉及使用正面人脸样本和负面非人脸样本。

  4. 级联： Haar分类器按照级联方式工作，每个级联阶段都有多个弱分类器。如果图像区域通过了所有级联阶段的检测，那么它被认为是人脸。

  5. 积分图： 为了加速Haar特征的计算，OpenCV使用了积分图（Integral Image）。积分图是对原始图像的一个预处理，使得在任何大小的窗口内计算Haar特征变得更加高效。

  6. 非极大值抑制： 为了避免多次检测同一个人脸，通常使用非极大值抑制（Non-Maximum Suppression）来筛选出具有最高置信度的人脸检测结果。

OpenCV提供了预训练的人脸检测器，其中包括了用于检测人脸的Haar级联分类器。这些分类器可以通过 cv2.CascadeClassifier 进行加载和使用。例如，常见的人脸检测器路径为 cv2.data.haarcascades + 'haarcascade_frontalface_default.xml'。你可以使用这些已经训练好的分类器，也可以根据需要进行训练自己的分类器。

整体目录：

1.读取并展示图片

import cv2 as cv

img = cv.imread('face1.jpg')

# 检查图像是否成功加载
if img is not None:
    # 获取原始图像尺寸
    height, width = img.shape[:2]

    # 缩放图像为原始尺寸的50%
    scaled_img = cv.resize(img, (int(width/4), int(height/4)))

    # 显示缩放后的图像
    cv.imshow('Scaled Image', scaled_img)

    # 等待用户按下任意键后关闭窗口
    cv.waitKey(0)

    # 关闭所有窗口
    cv.destroyAllWindows()
else:
    print("无法加载图像")

2.人脸检测

import cv2 as cv


# 人脸检测函数
def face_detect_demo():
    # 将图像转换为灰度图
    gray = cv.cvtColor(img, cv.COLOR_BGRA2BGR)

    # 加载人脸检测器（使用Haar级联分类器）
    face_detect = cv.CascadeClassifier('D:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')

    # 在灰度图上进行人脸检测
    faces = face_detect.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)

    # 遍历检测到的人脸，并在图像上绘制矩形框
    for x, y, w, h in faces:
        cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)

    # 显示结果图像
    cv.imshow('result', img)


# 读取原始图像
org_img = cv.imread('face1.jpg')

# 获取原始图像尺寸
height, width = org_img.shape[:2]

# 缩放图像为原始尺寸的50%
img = cv.resize(org_img, (int(width / 4), int(height / 4)))

# 调用人脸检测函数
face_detect_demo()

# 等待按键输入，按下 'q' 键退出程序
while True:
    if ord('q') == cv.waitKey(0):
        break

# 关闭所有窗口
cv.destroyAllWindows()

 face_detect = cv.CascadeClassifier('D:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml') 

这里是本机安装opencv的地方

3.视频人脸检测

import cv2 as cv


# 人脸检测函数
def face_detect_demo(img):
    # 将图像转换为灰度图
    gray = cv.cvtColor(img, cv.COLOR_BGRA2BGR)

    # 加载人脸检测器（使用Haar级联分类器）
    face_detect = cv.CascadeClassifier('D:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')

    # 在灰度图上进行人脸检测
    faces = face_detect.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)

    # 遍历检测到的人脸，并在图像上绘制矩形框
    for x, y, w, h in faces:
        cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)

    # 显示结果图像
    cv.imshow('result', img)


# 读取摄像头
cap = cv.VideoCapture(0)



# 等待按键输入，按下 'q' 键退出程序
while True:
    flag,frame = cap.read()
    if not flag:
        break
    face_detect_demo(frame)
    if ord('q') == cv.waitKey(0):
        break

# 关闭所有窗口
cv.destroyAllWindows()

cap.release()

这里调用的是本机笔记本摄像头

4.拍照保存

import cv2

# 打开摄像头（0表示默认摄像头）
cap = cv2.VideoCapture(0)
# 设置标志位和图像编号
flag = 1
num = 1

# 持续捕获摄像头图像并显示
while (cap.isOpened()):
    # 读取摄像头帧
    ret_flag, Vshow = cap.read()

    # 显示摄像头图像
    cv2.imshow("capture_test", Vshow)

    # 检测按键
    k = cv2.waitKey(1) & 0xFF

    # 按下 's' 键保存当前帧为图片
    if k == ord('s'):
        # 保存图像到指定路径，使用编号命名
        cv2.imwrite('C:/Users/14817/Pictures/Screenshots/' + str(num) + "zzq1" + ".jpg", Vshow)
        print("成功保存图片：" + str(num) + ".jpg")
        print("--------------------")
        num += 1
    # 按下空格键退出循环
    elif k == ord(' '):
        break

# 释放摄像头资源
cap.release()

# 关闭所有窗口
cv2.destroyAllWindows()

5 数据训练

import os
import cv2
from PIL import Image
import numpy as np


def getImageAndLabels(path):
    faceSamples = []
    ids = []
    # 获取图像目录中所有以指定扩展名结尾的图像文件路径
    imagePaths = [os.path.join(path, f) for f in os.listdir(path) if
                  f.lower().endswith(('.png', '1.jpg', '.jpeg', '.gif', '.bmp'))]

    # 加载人脸检测器（Haar级联分类器）
    face_detector = cv2.CascadeClassifier(
        'D:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')

    for imagePath in imagePaths:
        # 使用PIL库打开图像并转换为灰度图
        PIL_img = Image.open(imagePath).convert('L')
        img_numpy = np.array(PIL_img, 'uint8')

        # 使用Haar级联分类器检测图像中的人脸
        faces = face_detector.detectMultiScale(img_numpy)

        # 从图像文件名中提取人物ID
        id = int(os.path.split(imagePath)[1].split('.')[0])

        # 遍历检测到的人脸并保存样本
        for x, y, w, h in faces:
            ids.append(id)
            faceSamples.append(img_numpy[y:y + h, x:x + w])

    # 打印最后一个图像文件的ID、以及所有收集到的人脸样本
    print('id', id)
    print('fs', faceSamples)

    return faceSamples, ids


if __name__ == '__main__':
    # 打印OpenCV版本信息
    print(cv2.__version__)

    # 设置图像目录路径
    path = 'C:/Users/14817/Pictures/Screenshots/'

    # 获取人脸样本和对应的ID
    faces, ids = getImageAndLabels(path)

    # 创建LBPH人脸识别器
    recognizer = cv2.face.LBPHFaceRecognizer_create()

    # 训练人脸识别器
    recognizer.train(faces, np.array(ids))

    # 将训练好的模型保存为YML文件
    recognizer.write("C:/Users/14817/Pictures/Screenshots/trainer.yml")

注意图片名字只能是

1.jpg

或者改代码，需要以数字为名称

6 人脸识别

import cv2
import os

# 创建一个LBPH人脸识别器
recognizer = cv2.face.LBPHFaceRecognizer_create()

# 从文件中加载训练好的人脸识别模型
recognizer.read('C:/Users/14817/Pictures/Screenshots/trainer.yml')

# 存储人物名称的列表
names = []


# 人脸检测及识别函数
def face_detect_demo(img):
    # 将图像转换为灰度
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # 加载人脸检测器（Haar级联分类器）
    face_detector = cv2.CascadeClassifier(
        'D:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')

    # 检测图像中的人脸
    faces = face_detector.detectMultiScale(gray, 1.1, 5, cv2.CASCADE_SCALE_IMAGE, (100, 100), (300, 300))

    # 遍历检测到的人脸
    for x, y, w, h in faces:
        # 绘制人脸矩形框
        cv2.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)

        # 绘制人脸圆形框
        cv2.circle(img, center=(x + w // 2, y + h // 2), radius=w // 2, color=(0, 255, 0), thickness=1)

        # 进行人脸识别
        ids, confidence = recognizer.predict(gray[y:y + h, x:x + w])

        # 根据置信度判断是否为未知人物
        if confidence > 80:
            cv2.putText(img, 'unknown', (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
        else:
            # 根据识别出的ID获取人物名称
            cv2.putText(img, str(names[ids - 1]), (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)

    # 显示结果图像
    cv2.imshow('result', img)


# 用于获取人物名称的函数
def name():
    path = 'C:/Users/14817/Pictures/Screenshots/'
    # 获取图像目录中所有以指定扩展名结尾的图像文件路径
    imagePaths = [os.path.join(path, f) for f in os.listdir(path) if
                  f.lower().endswith(('.png', '.jpg', '.jpeg', '.gif', '.bmp'))]

    # 从文件名中提取人物名称，并添加到names列表中
    for imagePath in imagePaths:
        name = str(os.path.split(imagePath)[1].split('.', 2)[1])
        names.append(name)


# 打开视频文件（可替换为摄像头索引，如0表示默认摄像头）
cap = cv2.VideoCapture('C:/Users/14817/Pictures/Screenshots/1.mp4')
print("start =======")

# 获取人物名称
name()

# 循环读取视频帧并进行人脸识别
while True:
    flag, frame = cap.read()
    if not flag:
        break

    # 调用人脸检测及识别函数
    face_detect_demo(frame)

    # 按空格键退出循环
    if ord(' ') == cv2.waitKey(10):
        break

# 释放内存+关闭视频
cv2.destroyAllWindows()
cap.release()

采用自己录屏几张图片识别，识别到会显示名称，图片名称格式为：1.zzq.jpg

数字+ 名称  + 图片

readme：

1  安装opencv
2  搭建环境  如果引入包失败，记得断开vpn



问题：
AttributeError: module 'cv2' has no attribute 'face'

安装指定版本
pip install opencv-python==4.5.4.58
pip install opencv-contrib-python==4.5.4.58

来源：

【【OpenCV图像处理】只需半天就能搞定人脸识别项目！一个课程学了就会了！附赠源码（python+opencv）】https://www.bilibili.com/video/BV1dT4y1z7it?p=13&vd_source=ecc1a37e826c1af0f62b6e24cdc3af26

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1213886.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

zabbix中监控数据，报错返回给钉钉查看

zabbix中监控数据，报错返回给钉钉查看

### 在钉钉中创建群聊(同组的同学创建一个群聊)，在群里面添加自定义机器人 1.通过自定义webhook接入自定义服务 webhook：记住webhook的地址 安全设置：设置加签，只有信息内容包含签才会被机器人发送。 2.配置钉钉告警脚本 #### **安…
阅读更多...
【计算思维】少儿编程蓝桥杯青少组计算思维题考试真题及解析B

【计算思维】少儿编程蓝桥杯青少组计算思维题考试真题及解析B

STEMA考试-计算思维-U8级(样题) 1.浩浩的左⼿边是（ ）。 A.兰兰 B.⻉⻉ C.⻘⻘ D.浩浩 2.2时30分，钟⾯上时针和分针形成的⻆是什么⻆？（ ） A.钝⻆ B.锐⻆ C.直⻆ D.平⻆ 3.下⾯是⼀年级同学最喜欢的《⻄游记》…
阅读更多...
如何下载 Apache + PHP + Mysql 集成安装环境并结合内网穿透工具实现公网访问内网服务

如何下载 Apache + PHP + Mysql 集成安装环境并结合内网穿透工具实现公网访问内网服务

🌈个人主页：聆风吟 🔥系列专栏：网络奇遇记、Cpolar杂谈 🔖少年有梦不应止于心动，更要付诸行动。 文章目录 📋前言一. WampServer下载安装二. WampServer启动三. 安装cpolar内网穿透3.1 注册账号…
阅读更多...
人工智能基础_机器学习037_多项式回归升维实战4_使用随机梯度下降模型_对天猫双十一销量数据进行预测_拟合---人工智能工作笔记0077

人工智能基础_机器学习037_多项式回归升维实战4_使用随机梯度下降模型_对天猫双十一销量数据进行预测_拟合---人工智能工作笔记0077

上一节我们使用线性回归模型最终拟合了双十一天猫销量数据,升维后的数据. 我们使用SGDRegressor的时候,随机梯度下降的时候,发现有问题, 对吧,怎么都不能拟合我们看看怎么回事现在 可以看到上面是之前的代码 上面是对数据的准备 这里我们还是修改,使用 poly=PolynomialFeatur…
阅读更多...
开启创造力之门：掌握Vue中Slot插槽的使用技巧与灵感

开启创造力之门：掌握Vue中Slot插槽的使用技巧与灵感

🎬 江城开朗的豌豆：个人主页 🔥 个人专栏 :《 VUE 》 《 javaScript 》 📝 个人网站 :《 江城开朗的豌豆🫛 》 ⛺️ 生活的理想，就是为了理想的生活 ! 目录 ⭐ 专栏简介 📘 文章引言 一、s…
阅读更多...
Linux_一款好用的查看系统信息的桌面软件_包名hardinfo、软件名system profiler and Benchmark

Linux_一款好用的查看系统信息的桌面软件_包名hardinfo、软件名system profiler and Benchmark

1、安装软件 对源进行更新，sudo apt update 安装，sudo apt install hardinfo 打开，system profiler and Benchmark 2、查看系统信息 2.1、系统基本信息_操作系统信息、内核版本、处理器等 “Summary”汇总了一些基本信息： 处…
阅读更多...
鸿蒙：从0到“Hello Harmony”

鸿蒙：从0到“Hello Harmony”

效果展示 一.概述 明年华为鸿蒙就不再兼容Android生态了，作为拥有7亿终端用户的华为，建立自己的生态也是理所当然。 所以对HarmonyOS的研究也是众多开发者绕不开的坎了。 今天这篇博文主要实现一个“Hello Harmony！”的Demo。 二.官方链接…
阅读更多...
winform窗体、控件的简单封装，重做标题栏

winform窗体、控件的简单封装，重做标题栏

1标题栏封装中使用了以下技术： 知识点： 1.父类、子类的继承； 2.窗体之间的继承； 3.自定义控件的绘制； 4.多线程在窗体间的应用； 5.窗体和控件的封装； 6.回调函数（委托）&…
阅读更多...
OpenCV入门2——图像视频的加载与展示一些API

OpenCV入门2——图像视频的加载与展示一些API

文章目录 题目OpenCV创建显示窗口OpenCV加载显示图片题目 OpenCV保存文件利用OpenCV从摄像头采集视频从多媒体文件中读取视频帧将视频数据录制成多媒体文件OpenCV控制鼠标关于[np.uint8](https://stackoverflow.com/questions/68387192/what-is-np-uint8) OpenCV中的TrackBar控…
阅读更多...
探索人工智能领域——每日30个名词详解【day3】

探索人工智能领域——每日30个名词详解【day3】

目录 前言 正文 总结 🌈嗨！我是Filotimo__🌈。很高兴与大家相识，希望我的博客能对你有所帮助。 💡本文由Filotimo__✍️原创，首发于CSDN📚。 📣如需转载，请事先与我联系以…
阅读更多...
【C++初阶】STL详解（一）string类

【C++初阶】STL详解（一）string类

本专栏内容为：C学习专栏，分为初阶和进阶两部分。 通过本专栏的深入学习，你可以了解并掌握C。 💓博主csdn个人主页：小小unicorn ⏩专栏分类：C 🚚代码仓库：小小unicorn的代码仓库&…
阅读更多...
春秋云境靶场CVE-2022-25578漏洞复现(利用htaccess文件进行任意文件上传)

春秋云境靶场CVE-2022-25578漏洞复现(利用htaccess文件进行任意文件上传)

文章目录 前言一、CVE-2022-25578靶场概述二、CVE-2022-25578复现需要知道的知识点1、什么是htaccess文件2、上传htaccess文件的条件是什么？3、htaccess文件的作用是什么？ 三、CVE-2022-32991漏洞复现1、信息收集2、找上传点3、上传后蚁剑连接getshell 总…
阅读更多...
vmware安装MacOS以及flutter遇到的问题

vmware安装MacOS以及flutter遇到的问题

安装过程：参考下面的文章 链接： 虚拟机VMware安装苹果系统macOS，超级详细教程，附文件下载，真教程！！ 无限重启情况： （二） 配置虚拟机找到你的虚拟机安装文件…
阅读更多...
氢原子波函数等概率面的绘制

氢原子波函数等概率面的绘制

氢原子波函数等概率面的绘制 归一化后的氢原子波函数
阅读更多...
如何解决3d max渲染效果图全白这类异常问题？

如何解决3d max渲染效果图全白这类异常问题？

通过3d max渲染效果图时，经常会出现3Dmax渲染效果图全黑或是3Dmax渲染效果图全白这类异常问题。可能遇到这类问题较多的都是新手朋友。不知如何解决。 3dmax渲染出现异常的问题，该如何高效解决呢？今天小编这里整理几项知识点，大家…
阅读更多...
数据结构与算法【递归】Java实现

数据结构与算法【递归】Java实现

递归 递归是一种解决计算问题的方法，其中解决方案取决于同一类问题的更小子集。 特点： 自己调用自己，如果说每个函数对应着一种解决方案，自己调用自己意味着解决方案是一样的（有规律的）每次调用&#xf…
阅读更多...
在 Rocky 中使用 FreeRDP 远程连接 Windows 机器

在 Rocky 中使用 FreeRDP 远程连接 Windows 机器

前言： 远程控制已成为 IT 人员和企业用户在处理日常任务时不可或缺的工具。无论是进行系统管理、支持远程工作，还是协助解决技术问题，一个可靠且高效的远程桌面工具都是业务连续性的关键。开始我个人使用了todesk（也曾鲜想过向日…
阅读更多...
Google 向中国开发者开放数百份 TensorFlow 资源

Google 向中国开发者开放数百份 TensorFlow 资源

Google 的机器学习框架 TensorFlow 自 2015 年开源后，已然成为 AI 领域最受欢迎的框架。 据统计，在广受欢迎的 Python 编程语言在线软件知识库 PyPi 上，TensorFlow 的下载次数已超过 90 万，其中有 15% 来自中国。谷歌官方博客也表…
阅读更多...
电脑篇——将串口映射到远程电脑上

电脑篇——将串口映射到远程电脑上

通过Windows自带的远程桌面连接功能，可以通过修改本地资源选项，将本机的串口/端口映射到远程电脑上。 即可将端口映射到远程电脑上。 （在远程的电脑的设备管理器中可能不会显示，但是用串口调试相关的工具，是可以找到相…
阅读更多...
算法笔记-第九章-二叉树的遍历（未完成-还要搞）

算法笔记-第九章-二叉树的遍历（未完成-还要搞）

算法笔记-第九章-二叉树的遍历 二叉树的先序遍历二叉树的中序遍历二叉树的后序遍历二叉树的层次遍历注意点一：注意点二： 二叉树的高度二叉树的结点层号翻转二叉树翻转二叉树不同的方法方法一：用栈实现方法二：用队列实现方法三&…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023