人脸识别检测项目实战

文章目录

一、项目介绍

二、环境配置

三、项目知识储备

导入图片
灰度转换
修改图片尺寸的大小
矩形检测框图绘制
人脸检测识别
多个人脸检测效果
对人脸视频进行检测
数据集录入
训练数据
人脸识别过程

项目介绍

人脸识别在现代化中应用较为广泛，比如人脸考勤系统等，银行卡人脸验证，手机面部识别等，顾名思义它也是一个分类系统，所以我们利用Python 调用opencv得分类器进行面部识别。

环境配置

操作系统： Windows

程序语言： Python 3.9.5（64-bit）安装步骤：Python 的下载安装与配置（针对新手）_无限嚣张（菜菜）的博客-CSDN博客1.进入官网：www.python.org/downloads/,点击Downloads Python 3.11.1 (个人觉得只要3的版本都行，根据自己的需求)6.点击win+R,输入cmd,输入Python,显示3.11.1，说明python 安装成功。7.测试代码：输入print("hello student"),最后quit()，退出。4.将下边框选中，点击 install。5.显示安装成功，点击关闭。https://blog.csdn.net/zywcxz/article/details/128277213?spm=1001.2014.3001.5501

开发环境： Pycharm 安装步骤：

Python 开发环境的下载与配置以及anconda3在pycharm的配置_无限嚣张（菜菜）的博客-CSDN博客Python 开发环境的下载与配置以及anconda3在pycharm的配置https://blog.csdn.net/zywcxz/article/details/128284292?spm=1001.2014.3001.5501 opencv：安装步骤：

1.win+r

2.在窗口输入cmd,回车

3.输入pip install opencv-python,如下正在安装中，稍等片刻

这个版本比较弱，我们后期到了检测环节是无法实现的，需要安装Ooen-cv软件

进入官网——Home - OpenCV

下载OpenCV-4.6.0版本

项目知识储备

导入图片

首先利用Python的cv模块，对图像进行读取

# 导入cv模块
import cv2 as impage

# 读取图片
img = impage.imread('cat.jpg')
# 显示图片
impage.imshow('read_img', img)
# 等待
impage.waitKey(0)
# 释放内存
impage.destroyAllWindows()

效果如下：

灰度转换

# 导入cv模块
import cv2 as impage

# 读取图片
img = impage.imread('cat.jpg')
# 灰度转换
grey_scale_img = impage.cvtColor(img, impage.COLOR_BGR2GRAY)
# 显示灰度图片
impage.imshow('gray', grey_scale_img)
# 保存灰度图片
impage.imwrite('gray_face1.jpg', grey_scale_img)
# 显示图片
impage.imshow('read_img', img)
# 等待
impage.waitKey(0)
# 释放内存
impage.destroyAllWindows()

效果如下，可知它的图形颜色已经发生变化

修改图片尺寸的大小

import cv2 as impage

# 读取图片
img = impage.imread('cat.jpg')
# 修改尺寸
Modify_size_img = impage.resize(img, dsize=(200, 200))
# 显示原图
impage.imshow('img', img)
# 显示修改后的
impage.imshow('resize_img', Modify_size_img)
# 打印原图尺寸大小
print('修改前：', img.shape)
# 打印修改后的大小
print('修改后：', Modify_size_img.shape)
# 等待
while True:
    if ord('q') == impage.waitKey(0):
        break
# 释放内存
impage.destroyAllWindows()

通过下图明显可知图片尺寸已经发生改变

接下来，我们打印输出，看其图片大小，可知修改前图片大小尺寸为：（548,400,3），修改以后的尺寸为：（200,200,3）

如果我们检测到人脸以后需要画框，所以需要绘制矩形

矩形检测框图绘制

# 导入cv模块
import cv2 as image

# 读取图片
img = image.imread('cat.jpg')
# 坐标
x, y, w, h = 100, 100, 100, 100
# 绘制矩形
image.rectangle(img, (x, y, x + w, y + h), color=(0, 0, 255), thickness=5)
# 绘制圆形
image.circle(img, center=(x + w, y + h), radius=100, color=(255, 0, 0), thickness=5)
# 显示
image.imshow('re_img', img)
while True:
    if ord('q') == image.waitKey(0):
        break
# 释放内存
image.destroyAllWindows()

效果如下：

人脸检测识别

# 导入cv模块
import cv2 as impage



# 检测函数
def face_detect_demo():
    gary = impage.cvtColor(img, impage.COLOR_BGR2GRAY)
    # 调用opencv的分类器
    face_detect = impage.CascadeClassifier(
        'C:/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')
    
 
    face = face_detect.detectMultiScale(gary, 1.01, 5, 0, (50, 50), (300, 300))
    for x, y, w, h in face:
        impage.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)
    impage.imshow('result', img)


# 读取图像
img = impage.imread('cat.jpg')
# 检测函数
face_detect_demo()
# 等待
while True:
    if ord('q') == impage.waitKey(0):
        break
# 释放内存
impage.destroyAllWindows()

利用opencv中的人脸分类器进行分类识别，我们调用opencv里边的分类器

我们设置在低于（50,50）之内不可能有人脸，在大于（300,300）之外也不可能有人脸。标框如下：

多个人脸检测效果

# 导入cv模块
import cv2 as cv


# 检测函数
def face_detect_demo():
    gary = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    face_detect = cv.CascadeClassifier('C:/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')
    face = face_detect.detectMultiScale(gary)
    for x, y, w, h in face:
        cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)
    cv.imshow('result', img)


# 读取图像
img = cv.imread('face2.jpg')
# 检测函数
face_detect_demo()
# 等待
while True:
    if ord('q') == cv.waitKey(0):
        break
# 释放内存
cv.destroyAllWindows()

我们不能做到百分百的检测效果，我们通过修改参数可以做到，但是修改参数以后，我们仅仅是局限于这张图片，所以我们需要对人脸图片进行训练，最后识别。

对人脸视频进行检测

# 导入cv模块
import cv2 as cv


# 检测函数
def face_detect_demo(img):
    gary = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    face_detect = cv.CascadeClassifier('C:/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
    face = face_detect.detectMultiScale(gary)
    for x, y, w, h in face:
        cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)
    cv.imshow('result', img)
cap = cv.VideoCapture(0)
while True:
    flag, frame = cap.read()
    if not flag:
        break
    face_detect_demo(frame)
    if ord('q') == cv.waitKey(1):
        break
# 释放内存
cv.destroyAllWindows()
# 释放摄像头
cap.release()

具体摄像头识别，有需要自己玩就可以，本人亲自测试，可以调用摄像头使用。

数据集录入

首先开启摄像头，然后显示每一帧图像，最后通过按键检测，如果检测到字符串“s”,则将图片保存到对应的目录下，如果检测到空格，则退出

# 导入模块
import cv2 as impage

# 摄像头
cap = impage.VideoCapture(0)

falg = 1
num = 1

while (cap.isOpened()):  # 检测是否在开启状态
    ret_flag, V_show = cap.read()  # 得到每帧图像
    impage.imshow("Capture_Test", V_show)  # 显示图像
    k = impage.waitKey(0) & 0xFF  # 按键判断
    if k == ord('s'):  # 保存
        impage.imwrite("C:/test/test1" + str(num)  + ".jpg", V_show)
        print("success to save" + str(num) + ".jpg")
        print("-------------------")
        num += 1
    elif k == ord(' '):  # 退出
        break

# 释放摄像头
cap.release()
# 释放内存
impage.destroyAllWindows()

如下可知我们保存到目录下的图片为20张：

训练数据

我们把刚才拍照的图片导入进来，作为训练集，

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


def getImageAndLabels(path):
    facesSamples = []
    ids = []
    imagePaths = [os.path.join(path, f) for f in os.listdir(path)]
    # 检测人脸
    face_detector = cv2.CascadeClassifier('C:/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')
    # 打印数组imagePaths
    print('数据排列：', imagePaths)
    # 遍历列表中的图片
    for imagePath in imagePaths:
        # 打开图片,黑白化
        PIL_img = Image.open(imagePath).convert('L')
        # 将图像转换为数组，以黑白深浅
        # PIL_img = cv2.resize(PIL_img, dsize=(400, 400))
        img_numpy = np.array(PIL_img, 'uint8')
        # 获取图片人脸特征
        faces = face_detector.detectMultiScale(img_numpy)
        # 获取每张图片的id和姓名
        id = int(os.path.split(imagePath)[1].split('.')[0])
        # 预防无面容照片
        for x, y, w, h in faces:
            ids.append(id)
            facesSamples.append(img_numpy[y:y + h, x:x + w])
        # 打印脸部特征和id
        # print('fs:', facesSamples)
        print('id:', id)
        # print('fs:', facesSamples[id])
    print('fs:', facesSamples)
    # print('脸部例子：',facesSamples[0])
    # print('身份信息：',ids[0])
    return facesSamples, ids



if __name__ == '__main__':
    # 图片路径
    path = "C:/test/test1"
    # 获取图像数组和id标签数组和姓名
    faces, ids = getImageAndLabels(path)
    # 加载识别器
    recognizer = cv2.face.LBPHFaceRecognizer_create()
   # 训练
    recognizer.train(faces, np.array(ids))
    # 保存文件
  # recognizer.write('trainer/trainer.yml')
    # save_to_file('names.txt',names)

人脸识别过程

import cv2
import numpy as np
import os
# coding=utf-8
import urllib
import urllib.request
import hashlib

#加载训练数据集文件
recogizer=cv2.face.LBPHFaceRecognizer_create()
recogizer.read('trainer/trainer.yml')
names=[]
warningtime = 0

def md5(str):
    import hashlib
    m = hashlib.md5()
    m.update(str.encode("utf8"))
    return m.hexdigest()

statusStr = {
    '0': '短信发送成功',
    '-1': '参数不全',
    '-2': '服务器空间不支持,请确认支持curl或者fsocket,联系您的空间商解决或者更换空间',
    '30': '密码错误',
    '40': '账号不存在',
    '41': '余额不足',
    '42': '账户已过期',
    '43': 'IP地址限制',
    '50': '内容含有敏感词'
}


def warning():
    smsapi = "http://api.smsbao.com/"
    # 短信平台账号
    user = '13******10'
    # 短信平台密码
    password = md5('*******')
    # 要发送的短信内容
    content = '【报警】\n原因：检测到未知人员\n地点：xxx'
    # 要发送短信的手机号码
    phone = '*******'

    data = urllib.parse.urlencode({'u': user, 'p': password, 'm': phone, 'c': content})
    send_url = smsapi + 'sms?' + data
    response = urllib.request.urlopen(send_url)
    the_page = response.read().decode('utf-8')
    print(statusStr[the_page])

#准备识别的图片
def face_detect_demo(img):
    gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转换为灰度
    face_detector=cv2.CascadeClassifier('D:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')
    face=face_detector.detectMultiScale(gray,1.1,5,cv2.CASCADE_SCALE_IMAGE,(100,100),(300,300))
    #face=face_detector.detectMultiScale(gray)
    for x,y,w,h in face:
        cv2.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
        cv2.circle(img,center=(x+w//2,y+h//2),radius=w//2,color=(0,255,0),thickness=1)
        # 人脸识别
        ids, confidence = recogizer.predict(gray[y:y + h, x:x + w])
        #print('标签id:',ids,'置信评分：', confidence)
        if confidence > 80:
            global warningtime
            warningtime += 1
            if warningtime > 100:
               warning()
               warningtime = 0
            cv2.putText(img, 'unkonw', (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
        else:
            cv2.putText(img,str(names[ids-1]), (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
    cv2.imshow('result',img)
    #print('bug:',ids)

def name():
    path = './data/jm/'
    #names = []
    imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
    for imagePath in imagePaths:
       name = str(os.path.split(imagePath)[1].split('.',2)[1])
       names.append(name)


cap=cv2.VideoCapture('1.mp4')
name()
while True:
    flag,frame=cap.read()
    if not flag:
        break
    face_detect_demo(frame)
    if ord(' ') == cv2.waitKey(10):
        break
cv2.destroyAllWindows()
cap.release()
#print(names)

注：项目来源参考于微信公众号：竞赛空间，最终项目解释权来源于：竞赛空间