python opencv3 人脸识别的例子

一个人脸识别的例子

程序中用到了公共数据集， 欢迎去我的git上下载源码，源码里带有数据集

git：https://github.com/linyi0604/Computer-Vision

脚本中一个三个函数

第一个: 调用本机摄像头采集一些自己的照片 作为数据集的一部分

第二个：把自己的照片 和公共数据集照片一并读取 作为输入数据

第三个： 预测函数  调用第二个函数拿到x 和y 进行训练后 开启摄像头 进行预测

 # coding:utf-8

 import cv2
 import os
 import numpy as np

 # 1 生成人脸识别数据
 #  图像是灰度格式，后缀名.pgm
 #  图像是正方形 图像大小要一样 在这里使用200*200
 def generate():
     # 加载检测图像中人脸位置的对象， xml文件需要去opencv文件夹里面找， 放到项目里面来引入
     face_cascade = cv2.CascadeClassifier("../data/haarcascade_frontalface_default.xml")
     # 调用本机摄像头
     camera = cv2.VideoCapture(0)
     count = 0
     # 读取摄像头
     while True:
         # 读入 帧
         ret, frame = camera.read()
         # 变为灰度图像
         gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
         # 检测人脸位置
         faces = face_cascade.detectMultiScale(gray, 1.3, 5)
         # 将图片中人脸位置单独拿出来改变成200*200大小的图片 存入本地 作为数据集
         for (x, y, w, h) in faces:
             img = cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)
             f = cv2.resize(gray[y:y+h, x:x+w], (200, 200))
             cv2.imwrite("./data/%s.pgm" % str(count), f)
             count += 1

         cv2.imshow("camera", frame)
         # 如果按键q就退出 否则等50毫秒
         if cv2.waitKey(50) & 0xff == ord("q"):
             break

     camera.release()
     cv2.destroyAllWindows()

 # 读取生成好的数据 在我项目目录下整理好的
 def readImages():
     x, y = [], []
     path = "./data/faces/"
     image_file = os.listdir(path)
     image_files = [path + i for i in image_file]
     for file in image_files:
         images = os.listdir(file)
         label = file.split("/")[-1][1:]
         for i in images:
             img = cv2.imread(file + "/" + i, cv2.IMREAD_GRAYSCALE)
             img = cv2.resize(img, (200, 200))
             x.append(np.asarray(img, dtype=np.uint8))
             y.append(int(label))

     y = np.asarray(y, dtype=np.int32)
     return x, y

 # 检测人脸
 def face_rec():
     # 获取数据
     x, y = readImages()

     # 人脸识别的模型
     model = cv2.face.EigenFaceRecognizer_create()
     # fisherfaces算法的模型
     # model = cv2.face.FisherFaceRecognizer_create()
     # LBPH算法的模型
     # model = cv2.face.LBPHFaceRecognizer_create()
     """
     Eigenfaces和Fisherfaces 预测时候产生0到20000的评分
         低于4000 5000 的评分都是相当可靠的
     LBPH 产生评分不同，低于50是可靠的 高于80是不可靠的
     """

     # 训练模型
     model.train(np.asarray(x), np.asarray(y))

     # 开摄像头
     camera = cv2.VideoCapture(0)
     # 加载检测人脸对象
     face_cascade = cv2.CascadeClassifier("../data/haarcascade_frontalface_default.xml")
     while True:
         # 读取当前帧
         read, img = camera.read()
         # 当前帧下检测人脸
         faces = face_cascade.detectMultiScale(img, 1.3, 5)
         for (x, y, w, h) in faces:
             # 画出人脸
             img = cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)
             # 转成灰度图
             gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
             # 拿出人脸部分
             roi = gray[x: x+w, y: y+h]
             try:
                 # 更改大小
                 roi = cv2.resize(roi, (200, 200), interpolation=cv2.INTER_LINEAR)
                 # 进行预测
                 params = model.predict(roi)
                 # 在图像上写预测结果
                 # 1.2是字体大小 2是粗细
                 img = cv2.putText(img, str(params[0]), (x, y), cv2.FONT_HERSHEY_SIMPLEX, 1.2, (0, 255, 0), 2)
                 # prams是一个二元素列表, 第一个元素是预测结果，第二个元素是得分情况
                 print(params)

             except Exception as e:
                 print(e)
         cv2.imshow("detect face", img)
         if cv2.waitKey(5) & 0xff == ord("q"):
             break

     cv2.destroyAllWindows()

 if __name__ == '__main__':
     # 调用摄像头 采集人脸照片数据
     # generate()

     # 检测人脸
     face_rec()