10分鐘學會使用python實現人臉識別(附源碼)
前言
今天,我們用Python實現簡單的人臉識別技術!
Python裡,簡單的人臉識別有很多種方法可以實現,依賴於python膠水語言的特性,我們通過調用包可以快速準確的達成這一目的。這裡介紹的是準確性比較高的一種。
一、首先
梳理一下實現人臉識別需要進行的步驟:
流程大致如此,在此之前,要先讓人臉被準確的找出來,也就是能準確區分人臉的分類器,在這裡我們可以用已經訓練好的分類器,網上種類較全,分類準確度也比較高,我們也可以節約在這方面花的時間。
既然用的是python,那自然少不瞭包的使用瞭,在看代碼之前,我們先將整個項目所需要的包羅列一下:
· CV2(Opencv):圖像識別,攝像頭調用
· os:文件操作
· numpy:NumPy(Numerical Python) 是 Python 語言的一個擴展程序庫,支持大量的維度數組與矩陣運算,此外也針對數組運算提供大量的數學函數庫
· PIL:Python Imaging Library,Python平臺事實上是圖像處理的標準庫
二、接下來
1.對照人臉獲取
#-----獲取人臉樣本----- import cv2 #調用筆記本內置攝像頭,參數為0,如果有其他的攝像頭可以調整參數為1,2 cap = cv2.VideoCapture(0) #調用人臉分類器,要根據實際路徑調整3 face_detector = cv2.CascadeClassifier(r'X:/Users/73950/Desktop/FaceRec/haarcascade_frontalface_default.xml') #待更改 #為即將錄入的臉標記一個id face_id = input('\n User data input,Look at the camera and wait ...') #sampleNum用來計數樣本數目 count = 0 while True: #從攝像頭讀取圖片 success,img = cap.read() #轉為灰度圖片,減少程序符合,提高識別度 if success is True: gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) else: break #檢測人臉,將每一幀攝像頭記錄的數據帶入OpenCv中,讓Classifier判斷人臉 #其中gray為要檢測的灰度圖像,1.3為每次圖像尺寸減小的比例,5為minNeighbors faces = face_detector.detectMultiScale(gray, 1.3, 5) #框選人臉,for循環保證一個能檢測的實時動態視頻流 for (x, y, w, h) in faces: #xy為左上角的坐標,w為寬,h為高,用rectangle為人臉標記畫框 cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0)) #成功框選則樣本數增加 count += 1 #保存圖像,把灰度圖片看成二維數組來檢測人臉區域 #(這裡是建立瞭data的文件夾,當然也可以設置為其他路徑或者調用數據庫) cv2.imwrite("data/User."+str(face_id)+'.'+str(count)+'.jpg',gray[y:y+h,x:x+w]) #顯示圖片 cv2.imshow('image',img) #保持畫面的連續。waitkey方法可以綁定按鍵保證畫面的收放,通過q鍵退出攝像 k = cv2.waitKey(1) if k == '27': break #或者得到800個樣本後退出攝像,這裡可以根據實際情況修改數據量,實際測試後800張的效果是比較理想的 elif count >= 800: break #關閉攝像頭,釋放資源 cap.realease() cv2.destroyAllWindows()
經博主測試,在執行
“face_detector = cv2.CascadeClssifier(r’C:\Users\admin\Desktop\python\data\ haarcascade_frontalface_default.xml’)”此語句時,實際路徑中的目錄名盡量不要有中文字符出現,否則容易報錯。
這樣,你的電腦就能看到你啦!
2. 通過算法建立對照模型
本次所用的算法為opencv中所自帶的算法,opencv較新版本中(我使用的是2.4.8)提供瞭一個FaceRecognizer類,裡面有相關的一些人臉識別的算法及函數接口,其中包括三種人臉識別算法(我們采用的是第三種)
1.eigenface
2.fisherface
3.LBPHFaceRecognizer
LBP是一種特征提取方式,能提取出圖像的局部的紋理特征,最開始的LBP算子是在3X3窗口中,取中心像素的像素值為閥值,與其周圍八個像素點的像素值比較,若像素點的像素值大於閥值,則此像素點被標記為1,否則標記為0。這樣就能得到一個八位二進制的碼,轉換為十進制即LBP碼,於是得到瞭這個窗口的LBP值,用這個值來反映這個窗口內的紋理信息。
LBPH是在原始LBP上的一個改進,在opencv支持下我們可以直接調用函數直接創建一個LBPH人臉識別的模型。
我們在前一部分的同目錄下創建一個Python文件,文件名為trainner.py,用於編寫數據集生成腳本。同目錄下,創建一個文件夾,名為trainner,用於存放我們訓練後的識別器。
#-----建立模型、創建數據集-----#-----建立模型、創建數據集----- import os import cv2 import numpy as np from PIL import Image #導入pillow庫,用於處理圖像 #設置之前收集好的數據文件路徑 path = 'data' #初始化識別的方法 recog = cv2.face.LBPHFaceRecognizer_create() #調用熟悉的人臉分類器 detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') #創建一個函數,用於從數據集文件夾中獲取訓練圖片,並獲取id #註意圖片的命名格式為User.id.sampleNum def get_images_and_labels(path): image_paths = [os.path.join(path,f) for f in os.listdir(path)] #新建連個list用於存放 face_samples = [] ids = [] #遍歷圖片路徑,導入圖片和id添加到list中 for image_path in image_paths: #通過圖片路徑將其轉換為灰度圖片 img = Image.open(image_path).convert('L') #將圖片轉化為數組 img_np = np.array(img,'uint8') if os.path.split(image_path)[-1].split(".")[-1] != 'jpg': continue #為瞭獲取id,將圖片和路徑分裂並獲取 id = int(os.path.split(image_path)[-1].split(".")[1]) faces = detector.detectMultiScale(img_np) #將獲取的圖片和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 #調用函數並將數據喂給識別器訓練 print('Training...') faces,ids = get_images_and_labels(path) #訓練模型 recog.train(faces,np.array(ids)) #保存模型 recog.save('trainner/trainner.yml')
3.識別
檢測,校驗,輸出其實都是識別的這一過程,與前兩個過程不同,這是涉及實際使用的過程,所以我們把他整合放在一個統一的一個文件內。
#-----檢測、校驗並輸出結果----- import cv2 #準備好識別方法 recognizer = cv2.face.LBPHFaceRecognizer_create() #使用之前訓練好的模型 recognizer.read('trainner/trainner.yml') #再次調用人臉分類器 cascade_path = "haarcascade_frontalface_default.xml" face_cascade = cv2.CascadeClassifier(cascade_path) #加載一個字體,用於識別後,在圖片上標註出對象的名字 font = cv2.FONT_HERSHEY_SIMPLEX idnum = 0 #設置好與ID號碼對應的用戶名,如下,如0對應的就是初始 names = ['初始','admin','user1','user2','user3'] #調用攝像頭 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) #識別人臉 faces = face_cascade.detectMultiScale( gray, scaleFactor = 1.2, minNeighbors = 5, minSize = (int(minW),int(minH)) ) #進行校驗 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]) #計算出一個檢驗結果 if confidence < 100: idum = names[idnum] confidence = "{0}%",format(round(100-confidence)) else: idum = "unknown" confidence = "{0}%",format(round(100-confidence)) #輸出檢驗結果以及用戶名 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) #展示結果 cv2.imshow('camera',img) k = cv2.waitKey(20) if k == 27: break #釋放資源 cam.release() cv2.destroyAllWindows()
現在,你的電腦就能識別出你來啦!
通過其他組合也可以實現開機檢測等多種功能,你學會瞭嗎?
下面是博主審稿時的測試結果以及出現的一些問題哦~希望對大傢有幫助(呲牙.jpg)
測試結果:
博主審稿測試過程中出現的問題:
(1)版本問題
解決方法:經過博主無數次的失敗,提示大傢最好安裝python2.7,可以直接使用 pip install numpy 以及pip install opencv-python安裝numpy 以及對應python版本的opencv
(如果使用的是Anaconda2,pip相關命令可在開始菜單Anaconda2文件夾下的Anaconda Prompt中輸入)
點擊推文中給出的鏈接,將github中的文件下載後放至編譯文件所在的文件夾下,並更改代碼中的相關目錄
(2)如果提示“module’ object has no attribute ‘face’”
解決方法:可以輸入 pip install opencv-contrib-python解決,如果提示需要commission,可以在後面加上 –user,即 pip install opencv-contrib-python –user
以上就是10分鐘學會使用python實現人臉識別(附源碼)的詳細內容,更多關於python 人臉識別的資料請關註WalkonNet其它相關文章!
推薦閱讀:
- 用Python實現簡單的人臉識別功能步驟詳解
- 基於opencv和pillow實現人臉識別系統(附demo)
- python 使用OpenCV進行簡單的人像分割與合成
- 教你如何用Python實現人臉識別(含源代碼)
- 樹莓派上利用python+opencv+dlib實現嘴唇檢測的實現