python+opencv最簡單的人臉識別入門

這篇具有很好參考價值的文章主要介紹了python+opencv最簡單的人臉識別入門。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方，請大家不吝賜教，您也可以點擊"舉報違法"按鈕提交疑問。

0前置操作

安裝python(最新3.10即可)
安裝pycharm(社區(qū)版即可)
安裝opencv-python(cmd輸入pip install opencv-python即可,嫌慢用國內(nèi)鏡像也可以)
后續(xù)也需要安裝opencv-contrib-python

1讀取圖片

# 導入cv2模塊,別名為cv
import cv2 as cv

# 讀取圖片
img = cv.imread("face1.jpg")

# 顯示窗口到窗口上,窗口名就是read_img
cv.imshow("read_img", img)

# 窗口等待 0為不自動關(guān)閉 其他數(shù)值為等待時間,單位為毫秒,返回為按鍵的ASCII
key = cv.waitKey(0)  # 此代碼不寫會閃現(xiàn)窗口

# 釋放內(nèi)存,銷毀窗口
cv.destroyAllWindows()

結(jié)果是直接在窗口直接顯示圖片

2灰度轉(zhuǎn)換

# 導入cv模塊
import cv2 as cv

# 讀取圖片
img = cv.imread("face1.jpg")
# 灰度轉(zhuǎn)換
gray_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 窗口顯示灰度圖
cv.imshow("gray", gray_img)
# 保存灰度圖
cv.imwrite("face1_gray.jpg", gray_img)
# 顯示原圖
cv.imshow("img", img)
# 等待
cv.waitKey(0)
# 銷毀
cv.destroyAllWindows()

python+opencv最簡單的人臉識別入門

灰度圖與原始圖比較

3修改尺寸

import cv2 as cv

# 讀取原圖
img = cv.imread("face1.jpg")

# 修改尺寸
resize_img = cv.resize(img, dsize=(200, 200))
# 顯示原圖
cv.imshow("img", img)
# 顯示修改圖,最大化也是修改后的圖
cv.imshow("resize_img", resize_img)

# 打印修改前后的圖片尺寸信息
print("未修改", img.shape)
print("修改后", resize_img.shape)

# 按鍵為q時退出窗口等待
while True:
    if ord('q') == cv.waitKey(0):
        break

# 釋放內(nèi)存,銷毀窗口
cv.destroyAllWindows()

4繪制矩形或圓形(涉及人臉框使用)

import cv2 as cv

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

x, y, w, h = 100, 100, 100, 100
# 坐標軸以橫向右為x軸正方向,以縱向下為y軸正方向
# 畫矩形框(2個點可以確定一個邊與x軸y軸垂直或平行的矩形) color(b,g,r)  thickness厚度
cv.rectangle(img, (x, y, x + w, y + h), color=(0, 0, 255), thickness=1)

# 畫圓形(圓點+半徑即可畫一個圓)
cv.circle(img, center=(x + w, y + h), radius=100, color=(0, 255, 0), thickness=1)

# 顯示
cv.imshow("img", img)

while True:
    if ord('q') == cv.waitKey(0):
        break

cv.destroyAllWindows()

python+opencv最簡單的人臉識別入門

5人臉識別

import cv2 as cv


# 檢測函數(shù) 檢索
def face_detect_demo():
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)  # 轉(zhuǎn)為灰度圖片
    #電腦本地路徑為E:/2022soft/py310/Lib/site-packages/cv2/data
    face_detect = cv.CascadeClassifier("haarcascade/haarcascade_frontalface_alt2.xml")  # 級聯(lián)分類器
    # gray表示傳入的灰度圖(快速查詢) 1.1表示每次搜索窗口依次擴大10% 5表示構(gòu)成檢測目標的相鄰矩形的最小個數(shù)(默認為3個) (100,100)表示最小人臉大小 (300,300)表示最大人臉大小
    face = face_detect.detectMultiScale(gray, 1.1, 5, cv.CASCADE_SCALE_IMAGE, (30, 30), (200, 200))
    # 遍歷所有人臉的位置信息,包括人臉位置及大小
    for x, y, w, h in face:
        cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=1)  # 畫出識別出來的人臉框
    cv.imshow("result", img)


# 讀取圖片
img = cv.imread("p4.jpg")
# 檢測圖片
face_detect_demo()

while True:
    if ord('q') == cv.waitKey(0):
        break

cv.destroyAllWindows()

運行如下(疑似歪頭馬斯克沒被識別出來)

python+opencv最簡單的人臉識別入門

6多人臉檢測

import cv2 as cv


# 檢測函數(shù) 檢索
def face_detect_demo():
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)  # 轉(zhuǎn)為灰度圖片
    face_detect = cv.CascadeClassifier("haarcascade/haarcascade_frontalface_default.xml")  # 級聯(lián)分類器
    face = face_detect.detectMultiScale(gray, minSize=(30, 30))  # 檢索人臉
    # 遍歷所有人臉的位置信息,包括人臉位置及大小
    for x, y, w, h in face:
        cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=1)  # 畫出識別出來的人臉框
    cv.imshow("result", img)


# 讀取圖片
img = cv.imread("p3.jpg")
# 檢測圖片
face_detect_demo()

while True:
    if ord('q') == cv.waitKey(0):
        break

cv.destroyAllWindows()

7視頻檢測

import cv2 as cv


# 檢測函數(shù) 檢索 畫框
def face_detect_demo(img):
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)  # 轉(zhuǎn)為灰度圖片
    face_detect = cv.CascadeClassifier("haarcascade/haarcascade_frontalface_default.xml")  # 級聯(lián)分類器
    face = face_detect.detectMultiScale(gray, minSize=(30, 30))  # 檢索人臉
    # 遍歷所有人臉的位置信息,包括人臉位置及大小
    for x, y, w, h in face:
        cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=1)  # 畫出識別出來的人臉框
    cv.imshow("result", img)


# cap =cv.VideoCapture(0)#攝像頭取數(shù)據(jù)
cap = cv.VideoCapture("2.mp4")

while True:
    flag, frame = cap.read()  # 得到狀態(tài)和幀數(shù)據(jù)
    if not flag:
        break
    face_detect_demo(frame)  # 幀數(shù)據(jù)檢索人數(shù)并畫框
    cv.waitKey(1)

cv.destroyAllWindows()
cap.release()

更換了檢測數(shù)據(jù)源,從單張圖片導攝像頭或視頻文件,本質(zhì)不變,依舊是檢測每一幀的人臉,受限于初始模型的能力,誤識率還是比較高的。文章來源地址http://www.zghlxwxcb.cn/news/detail-439488.html

8拍照保存

import cv2 as cv

# 打開攝像頭
cap = cv.VideoCapture(0)

count = 1

while (cap.isOpened()):  # 檢測攝像頭是否開啟
    ret_flag, Vshow = cap.read()  # 得到每幀數(shù)據(jù)
    cv.imshow("Capture", Vshow)  # 顯示預覽

    k = cv.waitKey(1) & 0xFF  # 按鍵判斷
    if (k == ord('s')):
        cv.imwrite(str(count) + "_camera.jpg", Vshow)  # 保存
        print("Success to save " + str(count) + "_camera.jpg\n")
        count += 1
    elif k == ord(" "):  # 退出
        break
# 釋放攝像頭
cap.release()
# 釋放窗口內(nèi)存
cv.destroyAllWindows()

9訓練人臉(提取人臉特征)

import os
import cv2 as cv
from PIL import Image

import numpy as np


def getImageAndLabels(path):
    # 儲存人臉數(shù)據(jù)
    facesSamples = []
    # 儲存姓名數(shù)據(jù)
    ids = []
    # 儲存圖片信息
    imagePaths = [os.path.join(path, f) for f in os.listdir(path)]
    # 加載分類器
    face_detector = cv.CascadeClassifier("haarcascade/haarcascade_frontalface_alt2.xml");
    # 遍歷列表中的圖片
    for imagePath in imagePaths:
        # 打開圖片,灰度化,PIL有9種模式:1,L,P,RGB,RGBA,CMYK,YCbCr,I,F
        PIL_img = Image.open(imagePath).convert('L')
        # 將圖像轉(zhuǎn)為數(shù)組,以黑白深淺
        img_numpy = np.array(PIL_img, 'uint8')
        # 獲取圖片人臉特征
        faces = face_detector.detectMultiScale(img_numpy)
        # 獲取每張圖片的id和姓名
        id = int(os.path.split(imagePath)[1].split('-')[0])
        # 預防無面容照片
        for x, y, w, h in faces:
            ids.append(id)
            facesSamples.append(img_numpy[y:y + h, x: x + w])

        print('id=', id)
    # 打印面部特征和id
    print('fs=', facesSamples)

    return facesSamples, ids


if __name__ == '__main__':
    # 圖片路徑
    path = "data/face/"
    # 獲取圖像數(shù)組和id標簽數(shù)組和姓名
    faces, ids = getImageAndLabels(path)
    # 加載識別器 這里的face在opencv-contrib-python上,所以,你懂的
    recognizer = cv.face.LBPHFaceRecognizer_create()
    # 訓練
    recognizer.train(faces, np.array(ids))
    # 保存文件
    recognizer.write("trainer/trainer.yml")

10人臉識別

import cv2 as cv
import os


def face_detect_demo(img):
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    face_detector = cv.CascadeClassifier(
        "haarcascade/haarcascade_frontalface_default.xml")  # 級聯(lián)分類器
    # gray表示傳入的灰度圖(快速查詢) 1.1表示每次搜索窗口依次擴大10% 5表示構(gòu)成檢測目標的相鄰矩形的最小個數(shù)(默認為3個) (100,100)表示最小人臉大小 (300,300)表示最大人臉大小
    face = face_detector.detectMultiScale(gray, 1.1, 5, cv.CASCADE_SCALE_IMAGE, (100, 100), (300, 300))
    for x, y, w, h in face:
        cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=1)
        ids, confidence = recognizer.predict(gray[y:y + h, x:x + w])
        if confidence > 80:#差別較大,當做不認識
            cv.putText(img, "unknow" + str(confidence), (x + 10, y - 10), cv.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
        else:
            cv.putText(img, str(names[ids - 1]) + str(confidence), (x + 10, y - 10), cv.FONT_HERSHEY_SIMPLEX, 0.75,
                       (0, 255, 0), 1)
    cv.imshow("result", img)


def getName():
    path = 'data/face/'
    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)


names = []

getName()
recognizer = cv.face.LBPHFaceRecognizer_create()

recognizer.read('trainer/trainer.yml')#加載人臉特征值,之前訓練出來的

warningtime = 0

img = cv.imread("p6.jpg")#識別圖片
face_detect_demo(img)
cv.waitKey(0)

cap = cv.VideoCapture("2.mp4")
while True:
    flag, frame = cap.read()
    if not flag:
        break
    face_detect_demo(frame)#視頻每一幀識別

    cv.waitKey(1)

11網(wǎng)絡視頻播放

import cv2


class CaptureVideo(object):
    def net_video(self):
        # 獲取網(wǎng)絡視頻流
        cam = cv2.VideoCapture("rtmp://media3.scctv.net/live/scctv_800")#好不容易找到一個可以播放的視頻源
        while cam.isOpened():
            sucess, frame = cam.read()
            cv2.imshow("Network", frame)
            cv2.waitKey(1)


if __name__ == "__main__":
    capture_video = CaptureVideo()
    capture_video.net_video()

整個流程就over了。

感謝嗶哩嗶哩UP主-會AI的哈利波特的視頻分享-https://www.bilibili.com/video/BV1dT4y1z7it,煩請多多三連。

UP主已貼了代碼,但我自己全手動敲了一遍,對小白來說,收益匪淺。

雖然識別的時候有一定(很大)的誤識率,甚至出現(xiàn)一些好笑(智障)的效果,但是,真的超級簡單,十分適合opencv+python的入門。

僅以此文開啟opencv的整體學習。

針對pycharm引入opencv-python后無法跳轉(zhuǎn)/自動提示等問題,問題在于高版本opencv-python與pycharm適配問題,使用低版本即可,如版本=4.5.5.64

本人github

到了這里，關(guān)于python+opencv最簡單的人臉識別入門的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！