关键词：
文章目录
一、项目介绍
二、环境配置
三、项目知识储备
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
https://blog.csdn.net/zywcxz/article/details/128277213?spm=1001.2014.3001.5501开发环境： Pycharm 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
opencv实战项目--人脸考勤(代码片段)
人脸任务在计算机视觉领域中十分重要，本项目主要使用了两类技术：人脸检测+人脸识别。代码分为两部分内容：人脸注册和人脸识别人脸注册：将人脸特征存储进数据库，这里用feature.csv代替人脸识别... 查看详情
人脸识别完整项目实战：完整项目案例运行演示
一、前言本文是《人脸识别完整项目实战》系列博文第1部分，第一节《完整项目运行演示》，本章内容系统介绍：人脸系统核心功能的运行演示。本内容已经录制成视频课程，详见网易云课堂。整个《人脸识别完整项目实战》... 查看详情
人脸检测实战进阶：使用opencv进行活体检测(代码片段)
...体检测。您将创建一个活体检测器，该检测器能够在人脸识别系统中发现假人脸并执行反人脸欺骗。在教程的第一部分，我们将讨论活体检测，包括它是什么以及我们为什么需要它来改进我们的人脸识别系统。从那里... 查看详情
『python开发实战菜鸟教程』实战篇：一文带你了解人脸识别应用原理及手把手教学实现自己的人脸识别项目(代码片段)
...x01：引子0x02：环境搭建0x03：开发实战 1.实现人脸检测标记2.人脸特征点提取3.人脸识别验证0x04：后记开源GitHub地址--> https://github.com/xiaosongshine/dlib_face_recognition推荐补充阅读：『Python开发实战菜鸟教程』工... 查看详情
c#项目实战｜人脸识别考勤(代码片段)
此文主要通过WinForm来制作的一个人脸识别考勤打卡程序，有兴趣的小伙伴可以接入到打卡机上。一、实现流程1.1、创建项目1.2、设计页面1.3、创建应用1.4、获取Token及参数解析1.5、与人脸数据比对并展示一、实现流程1.1、创... 查看详情
人脸识别完整项目实战（14）：实时人脸特征点标定程序设计
一、前言本文是《人脸识别完整项目实战》系列博文第14章《实时人脸特征点标定程序设计》，本章内容详细介绍Win10环境下，基于VisualStudio2015+Opencv+Dlib开发环境，如何实现实时视频流人脸特征点标定程序的设计。本文内容已经... 查看详情
『python开发实战菜鸟教程』实战篇：一文带你了解人脸识别应用原理及手把手教学实现自己的人脸识别项目(代码片段)
...x01：引子0x02：环境搭建0x03：开发实战 1.实现人脸检测标记2.人脸特征点提取3.人脸识别验证0x04：后记开源GitHub地址--> https://github.com/xiaosongshine/dlib_face_recognition推荐补充阅读：『Python开发实战菜鸟教程』工... 查看详情
netcore百度人脸识别httpsdk实战：基于c#asp.netcorenet6(代码片段)
预计这是第一篇介绍在ASP.NETCORE3.1平台下使用百度人脸识别在线sdk的文章，主要介绍人脸1：n检测/活体检验/人脸注册三大关键功能。先看几个效果图吧（1）人脸1：N检测，返回人脸对应用户信息（2... 查看详情
极智项目|实战pytorcharcface人脸识别(代码片段)
...大家好，我是极智视界，本文介绍实战pytorcharcface人脸识别，并提供完整项目源码。本文介绍的实战arcface人脸识别项目，提供完整的可以一键训练、测试的项目工程源码，获取方式有两个：(1)本文工程项目... 查看详情
人脸识别实战：使用opencv+svm实现人脸识别(代码片段)
在本文中，您将学习如何使用OpenCV进行人脸识别。文章分三部分介绍：第一，将首先执行人脸检测，使用深度学习从每个人脸中提取人脸量化为128位的向量。第二，在嵌入基础上使用支持向量机（SVM）... 查看详情
21个项目玩转深度学习：基于tensorflow的实践详解06—人脸检测和识别——mtcnn人脸检测(代码片段)
本篇主要讲述利用MTCNN的预训练模型得到原图中人脸的分割，代码如下：https://github.com/davidsandberg/facenet结合博客https://blog.csdn.net/FortiLZ/article/details/81396566?tdsourcetag=s_pctim_aiomsg看起来省力些要是对MTCNN的训练过程感兴趣的，可以看h... 查看详情
androidapp人脸识别中借助摄像头和opencv实时检测人脸讲解及实战（附源码和演示超详细）(代码片段)
...赞关注收藏后评论区留言私信~~~一、借助摄像头实时检测人脸与Android自带的人脸检测器相比，OpenCV具备更强劲的人脸识别功能，它可以通过摄像头实时检测人脸，实时检测的预览空间是JavaCameraView常用方法说明如下set... 查看详情
计算机视觉项目-人脸识别与检测(代码片段)
😊😊😊欢迎来到本博客😊😊😊本次博客内容将继续讲解关于OpenCV的相关知识🎉作者简介：⭐️⭐️⭐️目前计算机研究生在读。主要研究方向是人工智能和群智能算法方向。目前熟悉深度学习&... 查看详情
python开发系统实战项目：人脸识别门禁监控系统(代码片段)
前段时间来到中关村重庆基地实训，老师要求每人提交一张本人白底免冠照片用于录入门禁监控系统，我当时想：好高级哇，一张照片就可以耶；神经网络训练模型还得好多张图片不断轮次迭代才能产生好的... 查看详情
opencv-python实战（17）——人脸识别详解(代码片段)
OpenCV-Python实战（17）——人脸识别详解0.前言1.人脸识别简介2.使用OpenCV进行人脸识别2.1使用OpenCV进行人脸识别流程示例3.使用dlib进行人脸识别4.使用face_recognition进行人脸识别小结系列链接0.前言人脸处理是人工智能中的一... 查看详情
android实现戴口罩人脸检测和戴口罩识别(附android源码)(代码片段)
Android实现戴口罩人脸检测和戴口罩识别(附Android源码)目录Android实现戴口罩人脸检测和戴口罩识别(附Android源码)1.戴口罩识别的方法（1）基于多类别目标检测的戴口罩识别方法（2）基于人脸检测+戴口罩分类识... 查看详情
opencv⚠️实战⚠️人脸识别☢️建议手收藏☢️(代码片段)
【OpenCV】⚠️实战⚠️人脸识别☢️建议手收藏☢️概述模型获取detectMultiScale图片人脸识别视频人脸识别概述OpenCV是一个跨平台的计算机视觉库,支持多语言,功能强大.今天小白就带大家来实战一下,用OpenCV实现人脸识别.模型获取... 查看详情
opencv⚠️实战⚠️人脸识别☢️建议手收藏☢️(代码片段)
【OpenCV】⚠️实战⚠️人脸识别☢️建议手收藏☢️概述模型获取detectMultiScale图片人脸识别视频人脸识别概述OpenCV是一个跨平台的计算机视觉库,支持多语言,功能强大.今天小白就带大家来实战一下,用OpenCV实现人脸识别.模型获取... 查看详情