本文不涉及分類器、訓(xùn)練識別器等算法原理，僅包含對其應(yīng)用（未來我也會寫自己對機(jī)器學(xué)習(xí)算法原理的一些觀點(diǎn)和了解）
首先我們需要知道的是利用現(xiàn)有框架做一個人臉識別系統(tǒng)并不難，然后就開始我們的系統(tǒng)開發(fā)吧。
我們的系統(tǒng)主要分為三個部分，然后我還會提出對補(bǔ)獲圖片不能添加中文的解決方案。我們需要完成的任務(wù)：1.人臉檢測和數(shù)據(jù)收集2.訓(xùn)練識別器3.人臉識別和顯示
在讀此篇文章之前我相信你已經(jīng)做了python環(huán)境部署和opencv模塊的下載安裝工作，現(xiàn)在我們還需要的模塊是pillow（樹莓派默認(rèn)帶有此模塊，但如果你用的是win系統(tǒng)可能還需要另外安裝，在終端輸入pip install pillow即可），和opencv-contrib模塊，cv2的face模塊包含在內(nèi)（當(dāng)然我的Linux系統(tǒng)的樹莓派貌似仍然默認(rèn)包含了此模塊，所以如果你是用的pc可能需要另外下載），以及最基本的numpy模塊。
在開始寫代碼之前我們首先需要在當(dāng)前運(yùn)行目錄中添加兩個文件夾，dataset用于存放捕獲到的人臉圖像，方便后面訓(xùn)練識別器，trainer文件夾則存放了訓(xùn)練結(jié)果
一。人臉檢測和數(shù)據(jù)收集
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
|
#數(shù)據(jù)采集cam = cv2.VideoCapture(0)#補(bǔ)獲圖片cam.set(3, 640) # set video widthcam.set(4, 480) # set video heightface_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')#導(dǎo)入分類器# For each person, enter one numeric face idface_id = input('\n 輸入用戶id')print("\n 數(shù)據(jù)采集中，請正視攝像頭輕微扭轉(zhuǎn)")# Initialize individual sampling face countcount = 0while(True): ret, img = cam.read()#ret為是否成功讀取，是一個布爾值 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#轉(zhuǎn)化為灰度圖 faces = face_detector.detectMultiScale(gray, 1.3, 5,minSize=(100,100)) for (x,y,w,h) in faces:#此處faces是一個array數(shù)組或空的元組，原因我后面會分析 cv2.rectangle(img, (x,y), (x+w,y+h), (255,0,0), 2) count += 1 # Save the captured image into the datasets folder cv2.imwrite("dataset/User." + str(face_id) + '.' + str(count) + ".jpg", gray[y:y+h,x:x+w]) cv2.imshow('image', img) k = cv2.waitKey(100) & 0xff # Press 'ESC' for exiting video if k == 27: break elif count >= 10: # Take 10 face sample and stop video break# Do a bit of cleanupprint("\n [INFO] Exiting Program and cleanup stuff")cam.release()cv2.destroyAllWindows() |
在這一部分中我們完成了人臉的補(bǔ)獲，并將其保存在了我們建立的dataset文件夾，并將每一個人的數(shù)據(jù)用特定的id表述，這樣我們就能訓(xùn)練能識別不同人臉的識別器。cam.set這一步中第二個參數(shù)是圖像的分辨率，640×480是opencv的默認(rèn)分辨率，但其仍支持800×600且最大支持1280乘1024像素，即使你的攝像頭最大允許分辨率遠(yuǎn)大于這個值，opencv貌似仍不會允許你使用。之后就是haar級聯(lián)分類器的導(dǎo)入，在配置過程中，我們已經(jīng)下載了opencv自帶的分類器，你只需要在文件管理器中查找haarcascade_frontalface_default.xml這個文件即可，在這個文件所在的文件夾中有許多分類器，當(dāng)然如果你要識別例如蘋果香蕉等物體你可能需要訓(xùn)練新的分類器（這也很容易做到），本文討論的是人臉識別，因此這里不再贅述，你可以選擇用其絕對路徑導(dǎo)入，當(dāng)然你也可以像我一樣將其復(fù)制到你當(dāng)前目錄中。然后進(jìn)入循環(huán)，圖片的讀取->轉(zhuǎn)灰度圖，然后是使用你已經(jīng)導(dǎo)入的分類器識別人臉并將其用方框標(biāo)出，然后將方框內(nèi)的圖片儲存入dataset文件夾中。值得一提的是，因?yàn)榉诸惼鞯乃惴ㄊ呛苈模苑诸惼鞅旧砭陀袦p幀處理（即使這樣我的樹莓派帶人臉識別系統(tǒng)仍然很吃力），所以faces應(yīng)該是大部分時間都是空的元組，小部分時間是讀取到的array數(shù)組，因此你需要特別注意縮進(jìn)問題，不要讓分類器本身的減幀影響你視頻讀取并顯示的幀數(shù)。
二.訓(xùn)練識別器
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
|
import cv2#訓(xùn)練器import numpy as npfrom PIL import Imageimport os# Path for face image databasepath = 'dataset'recognizer = cv2.face.LBPHFaceRecognizer_create()#識別器的導(dǎo)入detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")# function to get the images and label datadef getImagesAndLabels(path): imagePaths = [os.path.join(path,f) for f in os.listdir(path)]#在這里os模塊可以幫助我們很好的建立路徑，建議可以先查看一下相關(guān)函數(shù)的使用方法。 faceSamples=[] ids = [] for imagePath in imagePaths: PIL_img = Image.open(imagePath).convert('L') #轉(zhuǎn)化為灰度圖 img_numpy = np.array(PIL_img,'uint8')#轉(zhuǎn)化為數(shù)組 id = int(os.path.split(imagePath)[-1].split(".")[1]) faces = detector.detectMultiScale(img_numpy) for (x,y,w,h) in faces: faceSamples.append(img_numpy[y:y+h,x:x+w]) ids.append(id) return faceSamples,idsprint ("\n 訓(xùn)練數(shù)據(jù)中，請稍后")faces,ids = getImagesAndLabels(path)recognizer.train(faces, np.array(ids))# Save the model into trainer/trainer.ymlrecognizer.write('trainer/trainer.yml') # recognizer.save() worked on Mac, but not on Pi# Print the numer of faces trained and end programprint("\n {0} 張臉訓(xùn)練完畢. 程序關(guān)閉".format(len(np.unique(ids)))) |
在這一步我們需要對識別器按照不同id分別訓(xùn)練并保存結(jié)果，并將結(jié)果匯總寫入trainer文件夾中命名為trainer.yml。這個文件里就是訓(xùn)練好的識別器。
三.人臉識別和顯示
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
|
# -*- coding: UTF-8 -*-#識別器import cv2import numpy as npimport osfrom PIL import Image, ImageFont, ImageDrawpath_to_ttf = 'C:\Windows\Fonts\Microsoft YaHei UI\msyh.ttc'#ttc文件是支持漢語的字體，稍后我會說明。font1= ImageFont.truetype(path_to_ttf, size=20)recognizer = cv2.face.LBPHFaceRecognizer_create()recognizer.read('trainer/trainer.yml')#讀取識別器cascadePath = "haarcascade_frontalface_default.xml"faceCascade = cv2.CascadeClassifier(cascadePath);font = cv2.FONT_HERSHEY_SIMPLEX#iniciate id counterid = 0# names related to ids: example ==> Marcelo: id=1, etcnames = ['None', '段林晨', 'Paula', 'Ilza', 'Z', 'W']#因?yàn)槲覀儾粫谌四樧R別時只顯示你的代號而是要顯示你的具體信息。cam = cv2.VideoCapture(0)cam.set(3, 640) # set video widhtcam.set(4, 480) # set video height#最小識別的臉的大小，在識別過程中，我們不會捕獲到距離你很遠(yuǎn)的街上路人的信息，這會導(dǎo)致很多問題，因此我們只需要識別想?yún)⑴c識別的人，而設(shè)置最小人臉識別大小可以規(guī)避這一點(diǎn)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) faces = faceCascade.detectMultiScale( gray, scaleFactor = 1.2, minNeighbors = 5, minSize = (int(minW), int(minH)), )#相關(guān)參數(shù)設(shè)置可以自行搜索 for(x,y,w,h) in faces: cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2) id, confidence = recognizer.predict(gray[y:y+h,x:x+w]) # Check if confidence is less them 100 ==> "0" is perfect match if (confidence < 100): id = names[id] confidence = " {0}%".format(round(100 - confidence))#confidence是置信度指數(shù)，等于100-概率，相信大家的概率統(tǒng)計一定比我優(yōu)秀 else: id = "未識別" confidence = " {0}%".format(round(100 - confidence)) img=Image.fromarray(img) draw = ImageDraw.Draw(img) draw.text(xy=(x+5,y-5), text=str(id), font=font1,fill=(255,255,255)) img=np.array(img) cv2.putText(img, str(confidence), (x+5,y+h-5), font, 1, (255,255,0), 1) cv2.imshow('camera',img) k = cv2.waitKey(10) & 0xff # Press 'ESC' for exiting video if k == 27: break# Do a bit of cleanupprint("\n [INFO] Exiting Program and cleanup stuff")cam.release()cv2.destroyAllWindows() |
在這一步中，很遺憾的是cv2.putText函數(shù)并不支持漢語的應(yīng)用，即你不能通過這個函數(shù)將漢語姓名顯示在視頻中，雖然你可能會有英文名或干脆用漢語拼音，但這個問題我們必須要解決。因此我們在這里引入了pillow模塊，我們只需要使用img.draw功能在圖片上先打出你的姓名，再進(jìn)行cv2.putText函數(shù)就能很好的解決這個問題，但是比較麻煩的是這兩個函數(shù)涉及到的圖片類型是不一樣的，因此我在代碼中對img和array圖像進(jìn)行了轉(zhuǎn)換，最終完成了人臉識別系統(tǒng)。
到此這篇關(guān)于基于opencv和pillow實(shí)現(xiàn)人臉識別系統(tǒng)(附demo)的文章就介紹到這了,更多相關(guān)opencv pillow實(shí)現(xiàn)人臉識別內(nèi)容請搜索服務(wù)器之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持服務(wù)器之家！
原文鏈接：https://blog.csdn.net/qq_45694203/article/details/112914948
