一言不和，先上码子（纯新手，莫嘲笑）
# encoding: utf-8
#老杨的猫,环境:PYCHARM，python3.6,opencv3 import cv2,os
import cv2.face as fc #此处有坑,找不到脸,这样引用程序可以运行，欢迎大牛指点，CV2和CV3的结构区别没有搞清楚，应该怎么样引用才是正确的
import numpy as np
from PIL import Image, ImageDraw, ImageFont #pip install pillow #由于cv2.putText（）不支持汉字，把图像里加入需要显示的文字，可以为汉字
def cvtopil(img,posion,txt):#图像数组，文字位置，文字内容
pil_im = Image.fromarray(img)
draw = ImageDraw.Draw(pil_im)
font = ImageFont.truetype("simhei.ttf", 50, encoding="utf-8") # 第一个参数为字体文件路径，第二个为字体大小
draw.text(posion, txt, (0, 0, 255), font=font) # 第一个参数为打印的坐标，第二个为打印的文本，第三个为字体颜色，第四个为字体
image=cv2.cvtColor(np.array(pil_im), cv2.COLOR_RGB2BGR) #把图像数组由RGB转为CV2处理的BGR格式
return image #返回处理后图像文件
#脸部图像采集模块。采集脸部图像，转为200*200的大小后，存到每个人对应的文件夹下
def dectface():
#OPENCV3 自带的脸部检测XML文件
#D:\Downloads...../haarcascade_frontalface_default.xml 文件所在路径为我的电脑里文件路径，检测脸部，可酌情修改
face_cas=cv2.CascadeClassifier('D:\Downloads\opencv-3.3.1-vc14\opencv\sources\data\haarcascades/haarcascade_frontalface_default.xml')
#检测眼睛，这里用不到
eye_cas=cv2.CascadeClassifier('D:\Downloads\opencv-3.3.1-vc14\opencv\sources\data\haarcascades/haarcascade_eye.xml')
cap=cv2.VideoCapture(0)#打开默认摄像头
count=0 #初始化计数器，用来生成文件名，如0.pgm,1.pgm,3.pgm..... '''
C:\Users\Administrator\.PyCharm2017.2\system\python_stubs\-1184660488\cv2\CascadeClassifier.py
连续读取摄像头图像，检测到脸部图像，把脸部图像以PGM的灰度格式格式保存在当前程序路径里的 jm1,jm2...文件夹下
采集要求：1光线适中，2脸部正直，3脸部图像大小以刚刚露出头发和下颌最佳，控制距离，太远采集图像精确度差，太近
没脸，4有效采集时间5秒左右就够用了，太多影响运行速度。
'''
while True:
ret,frame=cap.read()#读取图像，RET为判断是否采集到图像，FRAME为采集到的一帧图像
#此处最好判断是否采集到图像 if ret：do else:err 偷懒了
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) #转为灰度图像，用来判断脸部用
# 找脸，参数:图像文件，压缩率（越小检测迭代次数越多，越慢，越详细，此处图像大，1.3-1.5均可），矩形个数最小值，flags不知道，最小检测窗口大小，最大检测窗口大小。返回一个脸部区域，左上角为（0，0）坐标系，起始x,y点，w宽，h高
faces = face_cas.detectMultiScale(gray, 1.3, 5)
#用方框勾画出脸部位置
for (x, y, w, h) in faces:
img=cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2) #画矩形，位置，大小，颜色，通道
#cv2.putText(img,'abc',(x,y-20),cv2.FONT_HERSHEY_SIMPLEX,1,255,2) 不能显示汉字
frame=cvtopil(img,(x,y-20),"老杨")#测试汉字用，可采集出图像是灰的，待解决
f=cv2.resize(gray[y:y+h,x:x+w],(200,200)) #从灰度图中，扣出脸部，设置固定大小像素
#保存到jm1里
cv2.imwrite('F:\pytest\cvtest\detectface\jm1\ %s.pgm'%str(count),f)
count+=1
#眼睛检测
# eyes=eye_cas.detectMultiScale(f,1.03,5,0,(40,40))
# for (ex,ey,ew,eh) in eyes:
# cv2.rectangle(img,(ex,ey),(ex+ew,ey+eh),(0,0,255),2)
cv2.imshow("demo",frame) #显示图像
# cv2.waitKey(0)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# camera.release()
# cv2.destroyAllWindows() #读取样本文件，并加载到一个列表里，返回值包括2部分，[文件列表，对应标签],标签用来对照姓名用。
def read_img(path,sz=None):
pr_img=[] #图像列表
pr_flg=[] #对应标签
pr_count=0 #初始化检测到的人数
for dirname,dirnames,filenames in os.walk(path):#遍历当前程序目录我的图像文件保存在f:盘下
#print(os.walk(path))
#print(dirname,dirnames,filenames)
for subdirname in dirnames: #遍历程序文件夹下的各个目录
subject_path=os.path.join(dirname,subdirname)
print(subject_path)
for filename in os.listdir(subject_path): #遍历文件夹下文件
print(filename)
try:
filepath=os.path.join(subject_path,filename)
im=cv2.imread(filepath,cv2.IMREAD_GRAYSCALE) #读取JM文件下PGM文件
print(filepath)
#print(im.shape)
if im.shape!=(200,200): #判断像素是否200
im=cv2.resize(im,(200,200))
pr_img.append(np.asarray(im,dtype=np.uint8)) #添加图像
pr_flg.append(pr_count)#添加标签
except:
print("io error")
pr_count+=1 #另一个人的标签
return [pr_img,pr_flg] #学习样本，比对样本和实例，根据对应算法返回标签和系数，依据标签对照姓名，系数值提现了准确度。
def face_rec():
names=['BAO BAO ','BA BA BA ','Bei Bei','MMMMMMM'] #标签对应的名字0,baobao,1，bbb,2，beibei....
[x,y]=read_img("f:") #调读取函数，返回图像、和标签列表
y=np.asarray(y,dtype=np.int32) #转为NUMPY的ARRAY #CV自带的三种算法，现用LBPH算法。此处有坑，坑的我差点放弃，原来叫createLBPHFaceRecognizer，为什么我下载的这模样
#model=fc.EigenFaceRecognizer_create()
#model = fc.FisherFaceRecognizer_create()
model = fc.LBPHFaceRecognizer_create() # 训练，此处应把训练结果保存，再用到时直接读取结果，效率更高，xml?json?pickle?
model.train(np.asarray(x),np.asarray(y)) #下面读取摄像头图像，用矩形标识检测到脸部和训练后结果比对，打印出对应标签所对应名字
camera=cv2.VideoCapture(0)
face_cascade=cv2.CascadeClassifier('D:\Downloads\opencv-3.3.1-vc14\opencv\sources\data\haarcascades/haarcascade_frontalface_default.xml')
while True:
read,img=camera.read()
faces=face_cascade.detectMultiScale(img,1.3,5)
for (x,y,w,h) in faces:
img=cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
roi=gray[x:x+w,y:y+h]
try:
roi=cv2.resize(roi,(200,200),interpolation=cv2.INTER_LINEAR) params=model.predict(roi) #predict（）函数做比对，返回一个元祖格式值 （标签，系数）。系数和算法有关，
# 前2种算法值低于5000不可靠，LBPH低于50可靠，80-90不可靠，高于90纯蒙
#此处有文章可做，通过单位时间内检测到的系数平均值，可以得到更准确结果
print(params)
#打印标签对应名字，如cvtopil的灰度问题解决，可cvtopil函数替换
cv2.putText(img,names[params[0]],(x,y-20),cv2.FONT_HERSHEY_SIMPLEX,1,255,2)
except:
continue
cv2.imshow("abc",img)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cv2.destroyAllWindows()
if __name__=='__main__':
'''
1.先用dectface()采集样本，注释掉face_rec()，将采集样本保存到jm文件夹里，现在每次采集不同人样本，需要手动建立JM1，JM2.....以后应完善程序流程为，首先判断是否有此人样本，如没有自动建立文件夹并保存该人的样本。
2.采集完成后，注释dectface()，用face_rec()通过比对得到是谁的结果。
3.names=['BAO BAO ','BBBBBBB','Bei Bei','MMMMMMM'] 名字和对应标签应该存成文件，对应读取
3.真心不会用类啊。。。咋用类实现整个流程呢？？
4.从学PYTHON到现在也不过一个月时间，基础很不牢，cv2,CV3从引用到使用的区别搞不清楚呢，恳求大牛各种批评指导啊！！
'''
#dectface()
face_rec()