python不足100行代码完成人脸识别

1. 准备环境

  • python 3.5
  • opencv

2. 配置环境

pip install opencv-python
pip install numpy
pip install opencv-contrib-python

3. 准备训练数据

  • 佟丽娅照片20张,存放于文件夹0下面
  • 董璇照片20张,存放于文件夹1下面 

python不足100行代码完成人脸识别

4. 准备测试数据

  • 佟丽娅照片1张,命名为0.jpg,存于test目录
  • 董璇照片1张,命名为1.jpg,存于test目录

python不足100行代码完成人脸识别

5. 代码

import cv2
import os
import numpy as np
# 标记与人名的映射
Label2Name = ["tongliya", "dongxuan"]
def DetectFace(img):
    #将测试图像转换为灰度图像,因为opencv人脸检测器需要灰度图像
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    #加载OpenCV人脸检测分类器Haar,位于python安装目录,例如:D:\Python3.5.0\Lib\site-packages\cv2\data
    Hear_cascade = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')
    #检测多尺度图像,返回值是一张脸部区域信息的列表(x,y,宽,高)
    faces = Hear_cascade.detectMultiScale(img_gray, scaleFactor=1.2, minNeighbors=5)
    # 如果未检测到面部,则返回原始图像
    if (len(faces) == 0):
        return None, None
    #目前假设只有一张脸,xy为左上角坐标,wh为矩形的宽高
    (x, y, w, h) = faces[0]
    #返回图像的正面部分
    return img_gray[y:y + w, x:x + h], faces[0]
# 该函数将读取所有的训练图像,从每个图像检测人脸并将返回两个相同大小的列表,分别为脸部信息和标签
def Train(TrainDataDir):
    # 获取数据文件夹中的目录
    dirs = os.listdir(TrainDataDir)
    # 定义两个列表,faces用来存放脸部数据,labels用来存放标记: 0 - 佟俪娅, 1 - 董璇
    faces = []
    labels = []
    # 浏览每个目录并访问其中的图像
    for dir_name in dirs:
        # 获取图片绝对路径
        imgs_path = TrainDataDir + "/" + dir_name
        # 获取所有的图片绝对路径
        img_names = os.listdir(imgs_path)
        # 读取每张图片并检测脸部,将脸部信息存放至faces
        for img_name in img_names:
            # 单张图片绝对路径
            img_path = imgs_path + "/" + img_name
            # 读取图像
            img = cv2.imread(img_path)
            # 显示图像0.2s
            cv2.imshow("image", img)
            cv2.waitKey(200)
            # 检测脸部
            face, rect = DetectFace(img)
            # 若无法获取脸部,忽略
            if face is not None:
                #将脸添加到脸部列表
                faces.append(face)
                #添加相应的标记
                labels.append(int(dir_name))
                cv2.waitKey(1)
                cv2.destroyAllWindows()
    #返回值人脸信息和相对应的标记
    return faces, labels
# 在图片的脸部绘制矩形
def DrawRectangle(img, rect):
    (x, y, w, h) = rect
    cv2.rectangle(img, (x, y), (x + w, y + h), (128, 128, 0), 2)
# 在给定的图片矩形上方绘制人名
def DrawText(img, text, x, y):
    cv2.putText(img, text, (x, y), cv2.FONT_HERSHEY_COMPLEX, 1, (128, 128, 0), 2)
# 识别图像
def Recognize(test_img):
    # 拷贝图片,在新拷贝的图片上绘制矩形和文字
    img_copy = test_img.copy()
    # 检测人脸
    face, rect = DetectFace(img_copy)
    # 预测人脸
    label = face_recognizer.predict(face)
    # 获取由人脸识别器返回的相应标记的名称
    label_text = Label2Name[label[0]]
    # 在检测到的脸部周围画一个矩形
    DrawRectangle(img_copy, rect)
    # 标出预测的名字
    DrawText(img_copy, label_text, rect[0], rect[1] - 5)
    #返回预测的图像
    return img_copy
# 训练
faces, labels = Train("F:\\Codes\\Python\\train_data")
#创建LBPH识别器并开始训练
face_recognizer = cv2.face.LBPHFaceRecognizer_create()
face_recognizer.train(faces, np.array(labels))
# 读取待识别图像
test_img1 = cv2.imread("F:\\Codes\\Python\\test\\0.jpg")
test_img2 = cv2.imread("F:\\Codes\\Python\\test\\1.jpg")
# 识别
recognize_img1 = Recognize(test_img1)
recognize_img2 = Recognize(test_img2)
#显示两个图像
cv2.imshow(Label2Name[0], recognize_img1)
cv2.imshow(Label2Name[1], recognize_img2)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

6. 识别结果

python不足100行代码完成人脸识别

python不足100行代码完成人脸识别

 

 

python不足100行代码完成人脸识别

python不足100行代码完成人脸识别python不足100行代码完成人脸识别 feengg 发布了75 篇原创文章 · 获赞 89 · 访问量 15万+ 私信 关注
上一篇:HDU 2899 Strange fuction 【三分】


下一篇:[设计模式] 20 状态模式 State Pattern