人脸识别

OpenCV 中的人脸识别通常基于哈尔特征分类器（Haar Cascade Classifier）进行。以下是 OpenCV 人脸识别的基本原理：

1. Haar Cascade Classifier：
2. 特征分类器：Haar 特征是一种基于矩形区域的特征，可以用于图像中的对象检测。这些特征可以表示边缘、线和区域的变化等。
3. 级联分类器：Haar 级联分类器是由大量的弱分类器组成的级联结构，每个弱分类器用于检测图像的一个特定特征。级联分类器能够快速排除非目标区域，提高效率。
4. 训练分类器：
5. Haar 分类器需要经过训练，使用正样本（包含人脸的图像）和负样本（不包含人脸的图像）进行训练。OpenCV 提供了工具来训练这些分类器。
6. 人脸检测过程：
7. 图像灰度化：首先，图像被转换为灰度图像，简化处理。
8. 级联分类器应用：Haar 分类器通过图像的不同区域以固定的步长和缩放应用。在每个区域，级联分类器检测是否有人脸特征。
9. 人脸候选区域：检测到的候选区域被保留，其中可能包含人脸。
10. 非极大值抑制：对于重叠的候选区域，采用非极大值抑制，选择最具代表性的人脸区域。
11. 人脸识别：
12. 识别是通过使用预训练的人脸识别模型进行的。在检测到人脸的区域中，可以使用各种方法（如基于模板的匹配或深度学习模型）进行人脸识别。

首先安装依赖

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

拍照采集人脸

cv2.ideoCapture(0)的0是默认摄像头，如果外置摄像头可以换其他数字试试，这段代码其实就是通过opencv来拍照并保存用于后面的数据训练。

# 导入模块  
import cv2  

# 摄像头  
cap = cv2.VideoCapture(0)  
flag = 1  
num = 1  
while cap.isOpened():  
    ret, frame = cap.read()  
    cv2.imshow('frame', frame)  
    k = cv2.waitKey(1) & 0xFF  
    if k == ord('s'): # 按下s键，保存图片  
        cv2.imwrite('./images/faces/name/{}.jpg'.format(num), frame)  
        print('{}.jpg saved'.format(num))  
        num += 1  
    elif k == ord(' '): # 按下空格键退出
        break  
cap.release() # 释放摄像头  
cv2.destroyAllWindows() # 关闭窗口

数据训练

haarcascade_frontalface_default.xml需要下载opencv的源码文件来获取。

下载地址：https://opencv.org/releases/

主要通过 getImageAndLabel来解析对应图片的特征值保存到 face_trainer.yml中用于后期的人脸检测。在 /images/faces的文件夹下的路径应该是 id.人名拼音/图片文件，用id来关联人脸名称，必须是整型数字，图片名称没有要求，最好给识别人物的照片多准备一些，识别效果会好一些。

import os  
import cv2  
from PIL import Image  
import numpy as np  


def getImageAndLabel(path):  
    # 人脸数据路径  
    faceSamples = []  
    # id  
    ids = []  
    # 获取当前路径的文件夹  
    dirs = os.listdir(path)  
    # 加载分类器  
    faceCascade = cv2.CascadeClassifier('./data/haarcascades/haarcascade_frontalface_default.xml')  
    # 遍历文件夹  
    for dir in dirs:  
        # 获取文件夹路径  
        dir_path = os.path.join(path, dir)  
        # 获取文件夹下的图片  
        imagePaths = [os.path.join(dir_path, f) for f in os.listdir(dir_path)]  
        # 获取id
        id = int(dir.split('.')[0])  
        # 遍历图片  
        for imagePath in imagePaths:  
            # 转换为灰度图  
            PIL_img = Image.open(imagePath).convert('L')  
            # 转换为数组  
            img_numpy = np.array(PIL_img, 'uint8')  
            # 人脸检测  
            faces = faceCascade.detectMultiScale(img_numpy)  


            # 遍历人脸  
            for (x, y, w, h) in faces:  
                # 添加人脸数据  
                faceSamples.append(img_numpy[y:y + h, x:x + w])  
                # 添加id 
                ids.append(id)  
    # 返回人脸数据和id  
    return faceSamples, ids  


if __name__ == '__main__':  
    # 获取人脸数据和姓名  
    faces, ids = getImageAndLabel('./images/faces')  

    # 导入人脸识别模型  
    recognizer = cv2.face.LBPHFaceRecognizer_create()  

    # 训练模型  
    recognizer.train(faces, np.array(ids))  
    # 保存模型  
    recognizer.save('./data/face_trainer.yml')

人脸识别

可以通过图片，视频，摄像头来进行人脸检测，识别成功后会返回id，根据id索引来对应人物名称。多次识别失败后会触发警报，这里没有对应的通报代码，可以自行添加。

由于中文无法直接通过opencv添加，所以这里使用 cv2ImgAddText将文字转为图片后加到原图上。

# -*- coding: utf-8 -*-  

import cv2  
import numpy as np  
from PIL import ImageFont, ImageDraw, Image  
import ffmpeg  
import threading  
import time  
import subprocess  

# 加载分类器  
recognizer = cv2.face.LBPHFaceRecognizer_create()  
# 读取训练数据  
recognizer.read('./data/face_trainer.yml')  
# 名称  
names = ['未知', '刘德华', '成龙', '胡歌', '刘亦菲']  
# 警报全局变量  
warningtime = 0  
# 设置字体相关参数  
font_path = './data/font/simfang.ttf'  


def cv2ImgAddText(img, text, left, top, textColor=(0, 0, 255), textSize=20):  
    """  
    文字转换为图片并添加到图片上  
    """    
    if (isinstance(img, np.ndarray)):  # 判断是否OpenCV图片类型  
        img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))  
    # 创建一个可以在给定图像上绘图的对象  
    draw = ImageDraw.Draw(img)  
    # 字体的格式  
    fontStyle = ImageFont.truetype(  
        font_path, textSize, encoding="utf-8")  
    # 绘制文本  
    draw.text((left, top), text, textColor, font=fontStyle)  

    # 转换回OpenCV格式  
    return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)  


# 人脸检测  
def detect_face(src_img):  
    # 导入人脸检测模型  
    face_cascade = cv2.CascadeClassifier('./data/haarcascades/haarcascade_frontalface_alt2.xml')  
    # 灰度转换  
    gray = cv2.cvtColor(src_img, cv2.COLOR_BGR2GRAY)  
    faces = face_cascade.detectMultiScale(gray)  # 灰度图像，缩放因子，最小邻域，最大邻域，最小尺寸，最大尺寸  
    # 绘制人脸矩形  
    for (x, y, w, h) in faces:  
        cv2.rectangle(src_img, (x, y), (x + w, y + h), (0, 0, 255), 2)  # 图片，左上角坐标，右下角坐标，颜色，线宽  
        # 人脸识别  
        id, confidence = recognizer.predict(gray[y:y + h, x:x + w])  
        print(id)  
        # 判断是否为本人  
        if confidence < 70:  
            name = names[id]  
            confidence = "{0}%".format(round(100 - confidence))  
        else:  
            name = "unknown"  
            confidence = "{0}%".format(round(100 - confidence))  
        # 绘制姓名  
        src_img = cv2ImgAddText(src_img, name, x + 5, y + 5, (255, 0, 0), 50)  
        print(name)  
        # 绘制置信度  
        src_img = cv2ImgAddText(src_img, confidence, x + 5, y + h - 30, (255, 0, 0), 50)  

        # 判断是否为本人  
        if name == "unknown":  
            # 警报  
            global warningtime  
            warningtime += 1  
            # 警报超过3次  
            if warningtime > 3:  
                # 发送邮件  
                # sendEmail()  
                print("警报")  
                # 重置警报次数  
                warningtime = 0  
    return src_img  



# 关闭  
if __name__ == '__main__':  
    # 读取摄像头  
    cap = cv2.VideoCapture(0)  # 0代表默认摄像头编号，如果有多个摄像头，可以尝试1，2，3等等  
    # cap = cv.VideoCapture("./images/video.mp4")#读取视频文件  
    # cap = cv2.VideoCapture('rtmp://')  # 读取视频流  
    cap.set(cv2.CAP_PROP_FPS, 30)  # 设置帧率  
    cap.set(cv2.CAP_PROP_BUFFERSIZE, 1)  # 设置缓冲区大小为1，你可以根据需要调整  


    # 人脸检测  
    while True:  
        ret, frame = cap.read()  
        if ret:  
            img = detect_face(frame)  
            # 显示图片  
            cv2.imshow("img", img)  
            time.sleep(0.1)  
            # 等待键盘输入  
            if cv2.waitKey(1) == ord('q'):  
                break  
    # 释放资源  
    cap.release()  
    cv2.destroyAllWindows()  

    # # 读取图片  
    # img = cv2.imread("./images/img_5.png")  
    # img = detect_face(img)    # # 修改图片大小  
    # img = cv2.resize(img, (800, 600))  
    # cv2.imshow("face_detect", img)    
    # cv2.waitKey(0)    
    # cv2.destroyAllWindows()

上面内容已经包含全部需要代码和需要资源获取方法，但如果需要也可以通过这个地址获取完整代码和资源： https://download.csdn.net/download/qq_40951951/88744146?spm=1001.2014.3001.5501