基于Python3.7和opencv的人脸识别（含数据收集，模型训练）

前言

第一次写博客，有点紧张和兴奋。废话很少说，直接进入正题。若是你渴望使你的电脑可以进行人脸识别；若是你不想了解什么c++、底层算法；若是你也不想买什么树莓派，安装什么几个G的opencv；若是你和我同样是个还没入门的小白，可是想体验一下人脸识别的魅力。那么恭喜你，这篇文章就是为你准备的。让咱们开始吧！

1、须要准备的材料

1.一台能够联网的有摄像头的电脑（手动滑稽）。

2.python3.7的安装包

2、Python3.7及其第三方包的安装

1.Python3.7的安装

关于python3.7的安装，网上有不少教程，请自行百度。

值得注意的是安装时勾选添加环境变量，若是不添加，也能够，但要本身输入相关文件的绝对路径。

 

2.第三方包的安装准备

2.0本文采用pip进行安装，如有过pip经验的能够跳过这个部分。

2.1在开始菜单栏搜索dos，而后回车启动命令提示符。

2.2在python3.7的Scripts文件夹中能够找到pip.exe。

2.3在命令提示符中输入Scripts文件夹的绝对路径

例：cd C:\\python3.7\Scripts

注：cd为Change directory,即更换目录，cd后有空格。

2.4更换目录成功后，输入pip.exe，启动pip，出现以下画面说明启动成功。

2.5 启动pip后，就能够开始安装Python的第三方包了，注意要让电脑联网。

 

3 第三方包的安装

3.1opencv 的安装，输入：pip install opencv-python。

注：numpy与OpenCV绑定安装，无需本身输入命令。

3.2 pillow的安装，输入： pip install pillow

注：pillow为图像处理包。

3.3 contrib的安装，输入：pip instal opencv-contrib-python

注：笔者在contrib的安装这里花费了一些时间，网上说的那些很麻烦的办法，让我看的云里雾里的。

contrib这个包用上面那个命令就能够安装，它是用于训练本身的人脸模型的一个OpenCV扩展包。

下图为三个包的安装过程截图，因为我以前已经安装过，会显示包已存在。首次安装会有进度条，成功后会有Successfully字样。

 

3、人脸识别的程序实现

1.FaceDetection,人脸检测

废话很少说，先上代码

 1 import numpy as np
 2 import cv2
 3 
 4 # 人脸识别分类器
 5 faceCascade = cv2.CascadeClassifier(r'C:\python3.7\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml')
 6 
 7 # 识别眼睛的分类器
 8 eyeCascade = cv2.CascadeClassifier(r'C:\python3.7\Lib\site-packages\cv2\data\haarcascade_eye.xml')
 9 
10 # 开启摄像头
11 cap = cv2.VideoCapture(0)
12 ok = True
13 
14 while ok:
15     # 读取摄像头中的图像，ok为是否读取成功的判断参数
16     ok, img = cap.read()
17     # 转换成灰度图像
18     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
19 
20     # 人脸检测
21     faces = faceCascade.detectMultiScale(
22         gray,     
23         scaleFactor=1.2,
24         minNeighbors=5,     
25         minSize=(32, 32)
26     )
27 
28     # 在检测人脸的基础上检测眼睛
29     for (x, y, w, h) in faces:
30         fac_gray = gray[y: (y+h), x: (x+w)]
31         result = []
32         eyes = eyeCascade.detectMultiScale(fac_gray, 1.3, 2)
33 
34         # 眼睛坐标的换算，将相对位置换成绝对位置
35         for (ex, ey, ew, eh) in eyes:
36             result.append((x+ex, y+ey, ew, eh))
37 
38     # 画矩形
39     for (x, y, w, h) in faces:
40         cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)
41 
42     for (ex, ey, ew, eh) in result:
43         cv2.rectangle(img, (ex, ey), (ex+ew, ey+eh), (0, 255, 0), 2)
44  
45     cv2.imshow('video', img)
46 
47     k = cv2.waitKey(1)
48     if k == 27:    # press 'ESC' to quit
49         break
50  
51 cap.release()
52 cv2.destroyAllWindows()

注：1.人脸识别分类器的路径在不一样的电脑上不一样，通常来说，在python3.7\Lib\site-packages\cv2\data中，注意是绝对路径，若是嫌目录太长，能够将分类器和程序放在一块儿。

注：2.通过个人慎重考虑，我决定不放出个人人脸，请各位读者自行尝试，大概就是一个蓝色的矩形框住你的脸，两个绿色的矩形框住你的眼睛，按esc可退出。

 

2.FaceDataCollect,人脸数据收集

仍是先上代码

 1 import cv2
 2 import os
 3 # 调用笔记本内置摄像头，因此参数为0，若是有其余的摄像头能够调整参数为1，2
 4 
 5 cap = cv2.VideoCapture(0)
 6 
 7 face_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
 8 
 9 face_id = input('\n enter user id:')
10 
11 print('\n Initializing face capture. Look at the camera and wait ...')
12 
13 count = 0
14 
15 while True:
16 
17     # 从摄像头读取图片
18 
19     sucess, img = cap.read()
20 
21     # 转为灰度图片
22 
23     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
24 
25     # 检测人脸
26 
27     faces = face_detector.detectMultiScale(gray, 1.3, 5)
28 
29     for (x, y, w, h) in faces:
30         cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0))
31         count += 1
32 
33         # 保存图像
34         cv2.imwrite("Facedata/User." + str(face_id) + '.' + str(count) + '.jpg', gray[y: y + h, x: x + w])
35 
36         cv2.imshow('image', img)
37 
38     # 保持画面的持续。
39 
40     k = cv2.waitKey(1)
41 
42     if k == 27:   # 经过esc键退出摄像
43         break
44 
45     elif count >= 1000:  # 获得1000个样本后退出摄像
46         break
47 
48 # 关闭摄像头
49 cap.release()
50 cv2.destroyAllWindows()

注：1.在运行该程序前，请先建立一个Facedata文件夹并和你的程序放在一个文件夹下。

友情提示：请将程序和文件打包放在一个叫人脸识别的文件夹下。能够把分类器也放入其中。

注：2.程序运行过程当中，会提示你输入id，请从0开始输入，即第一我的的脸的数据id为0，第二我的的脸的数据id为1，运行一次可收集一张人脸的数据。

注：3.程序运行时间可能会比较长，可能会有几分钟，若是嫌长，能够将     #获得1000个样本后退出摄像      这个注释前的1000，改成100。

若是实在等不及，可按esc退出，但可能会致使数据不够模型精度降低。

 

3.face_training,人脸数据训练

 1 import numpy as np
 2 from PIL import Image
 3 import os
 4 import cv2
 5 # 人脸数据路径
 6 path = 'Facedata'
 7 
 8 recognizer = cv2.face.LBPHFaceRecognizer_create()
 9 detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
10 
11 def getImagesAndLabels(path):
12     imagePaths = [os.path.join(path, f) for f in os.listdir(path)]  # join函数的做用？
13     faceSamples = []
14     ids = []
15     for imagePath in imagePaths:
16         PIL_img = Image.open(imagePath).convert('L')   # convert it to grayscale
17         img_numpy = np.array(PIL_img, 'uint8')
18         id = int(os.path.split(imagePath)[-1].split(".")[1])
19         faces = detector.detectMultiScale(img_numpy)
20         for (x, y, w, h) in faces:
21             faceSamples.append(img_numpy[y:y + h, x: x + w])
22             ids.append(id)
23     return faceSamples, ids
24 
25 
26 print('Training faces. It will take a few seconds. Wait ...')
27 faces, ids = getImagesAndLabels(path)
28 recognizer.train(faces, np.array(ids))
29 
30 recognizer.write(r'face_trainer\trainer.yml')
31 print("{0} faces trained. Exiting Program".format(len(np.unique(ids))))

注：1.第8行的LBPHFaceRecognizer_create()为contrib中的函数，笔者以前本身摸索时，没有安装此包，所以卡了好久，印象深入。

注：2.运行该程序前，请在人脸识别文件夹下建立face_trainer文件夹。

 

4.face_recognition 人脸检测

 1 import cv2
 2 
 3 recognizer = cv2.face.LBPHFaceRecognizer_create()
 4 recognizer.read('face_trainer/trainer.yml')
 5 cascadePath = "haarcascade_frontalface_default.xml"
 6 faceCascade = cv2.CascadeClassifier(cascadePath)
 7 font = cv2.FONT_HERSHEY_SIMPLEX
 8 
 9 idnum = 0
10 
11 names = ['Allen', 'Bob']
12 
13 cam = cv2.VideoCapture(0)
14 minW = 0.1*cam.get(3)
15 minH = 0.1*cam.get(4)
16 
17 while True:
18     ret, img = cam.read()
19     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
20 
21     faces = faceCascade.detectMultiScale(
22         gray,
23         scaleFactor=1.2,
24         minNeighbors=5,
25         minSize=(int(minW), int(minH))
26     )
27 
28     for (x, y, w, h) in faces:
29         cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)
30         idnum, confidence = recognizer.predict(gray[y:y+h, x:x+w])
31 
32         if confidence < 100:
33             idnum = names[idnum]
34             confidence = "{0}%".format(round(100 - confidence))
35         else:
36             idnum = "unknown"
37             confidence = "{0}%".format(round(100 - confidence))
38 
39         cv2.putText(img, str(idnum), (x+5, y-5), font, 1, (0, 0, 255), 1)
40         cv2.putText(img, str(confidence), (x+5, y+h-5), font, 1, (0, 0, 0), 1)
41 
42     cv2.imshow('camera', img)
43     k = cv2.waitKey(10)
44     if k == 27:
45         break
46 
47 cam.release()
48 cv2.destroyAllWindows()

注：1. 11行的names中存储人的名字，若该人id为0则他的名字在第一位，id位1则排在第二位，以此类推。

注：2. 最终效果为一个绿框，框住人脸，左上角为红色的人名，左下角为黑色的几率。

4、结语，参考文献，与扩展阅读

1.结语

真是不容易啊，第一次写博客，终于写完了。说一说初衷吧，当初我本想作一个电脑的人脸解锁。个人想法是，手机都有人脸解锁，电脑也能够作。

但我认为，我并不能真的实现，一是我不知道怎样锁住电脑，虽然我能够用python的easygui去模仿一个登录界面，输入密码解锁，然而，我清楚，

我并不能真正的锁住电脑，因此我就放弃了这个计划。若是有大神能够作到，请务必在评论区留言，我迫切的但愿知道该怎样作。

说一说我写这篇博客的目的吧，我当初一路走来，在网上搜到的大可能是CSDN上的博客，且大多为人脸检测，并无人脸识别，数据收集和模型训练。

仅有的几篇也都讲得云里雾里，实在水平有限，看不懂。因而，我萌生了写一篇给小白看的人脸识别的博客的想法，原本打算在csdn上写，

但因为种种缘由，我选择了博客园。

2.参考文献与扩展阅读

在这里，我要感谢树莓派实验室的一篇文章，个人大部分代码都来源于此，对想要作深刻了解的读者，能够参考此文，如下是连接

http://shumeipai.nxez.com/2018/03/09/real-time-face-recognition-an-end-to-end-project-with-raspberry-pi.html

在此以一个问题结尾，为何网上没有详细的关于如何在电脑上实现人脸识别的教程，而却有在树莓派上的详细教程呢？这不是上升了一个门槛吗？

也许是我没找到？这是我写这篇教程的初衷之一。