抚州专业的企业网站建设公司,旅游网站建设的论文,wordpress编辑器自动加p标签,赣州网站建设信息前言今天#xff0c;我们用Python实现简单的人脸识别技术#xff01;Python里#xff0c;简单的人脸识别有很多种方法可以实现#xff0c;依赖于python胶水语言的特性#xff0c;我们通过调用包可以快速准确的达成这一目的。这里介绍的是准确性比较高的一种。一、首先梳理…前言今天我们用Python实现简单的人脸识别技术Python里简单的人脸识别有很多种方法可以实现依赖于python胶水语言的特性我们通过调用包可以快速准确的达成这一目的。这里介绍的是准确性比较高的一种。一、首先梳理一下实现人脸识别需要进行的步骤流程大致如此在此之前要先让人脸被准确的找出来也就是能准确区分人脸的分类器在这里我们可以用已经训练好的分类器网上种类较全分类准确度也比较高我们也可以节约在这方面花的时间。既然用的是python那自然少不了包的使用了在看代码之前我们先将整个项目所需要的包罗列一下・ CV2(Opencv)图像识别摄像头调用・ os文件操作・ numpyNumPy(Numerical Python) 是 Python 语言的一个扩展程序库支持大量的维度数组与矩阵运算此外也针对数组运算提供大量的数学函数库・ PILPython Imaging LibraryPython平台事实上是图像处理的标准库二、接下来1.对照人脸获取#-----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1,2cap cv2.VideoCapture(0)#调用人脸分类器要根据实际路径调整3face_detector cv2.CascadeClassifier(rX:/Users/73950/Desktop/FaceRec/haarcascade_frontalface_default.xml) #待更改#为即将录入的脸标记一个idface_id input(User data input,Look at the camera and wait ...)#sampleNum用来计数样本数目count 0while 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minNeighborsfaces 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), (xw, yw), (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:yh,x:xw])#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()经博主测试在执行“face_detector cv2.CascadeClssifier(rC:UsersadminDesktoppythondata 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. 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.eigenface2.fisherface3.LBPHFaceRecognizerLBP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 osimport cv2import numpy as npfrom 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.sampleNumdef 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:yh,x:xw])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)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.xmlface_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_SIMPLEXidnum 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),(xw,yh),(0,255,0),2)idnum,confidence recognizer.predict(gray[y:yh,x:xw])#计算出一个检验结果if confidence 100:idum names[idnum]confidence {0}%,format(round(100-confidence))else:idum unknownconfidence {0}%,format(round(100-confidence))#输出检验结果以及用户名cv2.putText(img,str(idum),(x5,y-5),font,1,(0,0,255),1)cv2.putText(img,str(confidence),(x5,yh-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通过其他组合也可以实现开机检测等多种功能你学会了吗下面是博主审稿时的测试结果以及出现的一些问题哦~希望对大家有帮助(呲牙.jpg)测试结果博主审稿测试过程中出现的问题(1)版本问题解决方法经过博主无数次的失败提示大家最好安装python2.7可以直接使用 pip install numpy 以及pip install opencv-python安装numpy 以及对应python版本的opencv(如果使用的是Anaconda2pip相关命令可在开始菜单Anaconda2文件夹下的Anaconda Prompt中输入)点击推文中给出的链接将github中的文件下载后放至编译文件所在的文件夹下并更改代码中的相关目录(2)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以上就是10分钟学会使用python实现人脸识别(附源码)的详细内容更多关于python 人脸识别的资料请关注云海天教程其它相关文章
