一、需要安装OpenCV库及相关库
python -m pip install --upgrade pip
pip install opencv-python
pip install opencv-contrib-python
pip install Pillow
pip3 install --user numpy scipy matplotlib
二、使用OpenCV 读取显示和保存头像
#加载OpenCV库
import cv2
#读取图像（以灰度方式读取图像）
img = cv2.imread('b.jpg',cv2.IMREAD_GRAYSCALE)
#显示图像
cv2.imshow('image',img)
#保持画面持续，0表示无限持续
cv2.waitKey(0)
#保存图像
cv2.imwrite('b_2.jpg',img)
三、人脸识别实例
需要将
haarcascade_frontalface_default.xml
haarcascade_eye_tree_eyeglasses.xml
放入当前文件夹 或者你使用绝对路径也可以
这两个文件在\python\Lib\site-packages\cv2\data\ 里面
电脑没有摄像头的话可以使用手机当摄像头 在手机（安卓\IOS都可以）和电脑上面下载iVcam 并用数据线连接起来
下载地址：https://www.e2esoft.cn/ivcam/
然后我发现我的台式电脑 使用上面那个软件 是0才可以运行 也就是选择笔记本摄像头才可以 如果你选的1 USB摄像头没有反应 不妨试试0 笔记本摄像头
人脸识别框
# 加载OpenCV库
import cv2
# 加载检测人脸分类器
faceClassifier = cv2.CascadeClassifier(r'haarcascade_frontalface_default.xml')
# 开启摄像头，0:笔记本摄像头，1：USB摄像头
cap = cv2.VideoCapture(0)
while True:
# 捕获视频帧
# read()函数返回两个值：布尔值和视频帧
ret, img = cap.read()
# 图像灰度化
gray = cv2.cvtColor(img,cv2.COLOR_BGRA2GRAY)
# 检测人脸
faceRects = faceClassifier.detectMultiScale(gray, 1.3, 5)
# 画矩形
for (x, y, w, h) in faceRects:
img = cv2.rectangle(img, (x,y), (x+h, y+w), (0,255,0), 2)
# 显示图像
cv2.imshow('camera', img)
# 保持画面持续
key = cv2.waitKey(1)
# 按空格键保存，保存路径为当前目录
if key == ord(" "):
cv2.imwrite("abc.jpg", img)
# 按Esc退出
if key == 27:
break
# 关闭摄像头
cap.release()
# 关闭所有窗口
cv2.destroyAllWindows()
带眼睛的人脸识别框
# 加载OpenCV库
import cv2
# 人脸分类器
faceClassifier = cv2.CascadeClassifier(r'haarcascade_frontalface_default.xml')
# 识别眼睛分类器
eyeClassifier = cv2.CascadeClassifier(r'haarcascade_eye_tree_eyeglasses.xml')
# 开启摄像头，0:笔记本摄像头，1:USB摄像头
cap = cv2.VideoCapture(1)
while True:
# 捕获视频帧
ret, img = cap.read()
# 图像灰度化
gray = cv2.cvtColor(img,cv2.COLOR_BGRA2GRAY)
# 检测人脸
faceRects = faceClassifier.detectMultiScale(gray, 1.3, 5)
# 检测眼睛
for (x, y, w, h) in faceRects:
face_gray = gray[y:(y+h), x:(x+w)]
result = []
eyes = eyeClassifier.detectMultiScale(face_gray, 1.3, 3)
# 眼睛坐标的换算，将相对位置换成绝对位置
for (ex, ey, ew, eh) in eyes:
result.append((x+ex, y+ey, ew, eh))
# 画矩形
for (x, y, w, h) in faceRects:
img = cv2.rectangle(img, (x,y), (x+h, y+w), (0,255,0), 2)
for (ex, ey, ew, eh) in result:
cv2.rectangle(img, (ex, ey), (ex + ew, ey + eh), (0,255,0), 2)
# 显示图像
cv2.imshow('camera', img)
# 保持画面持续
key = cv2.waitKey(1)
# 按空格键保存，保存路径为当前目录
if key == ord(" "):
cv2.imwrite("abc.jpg", img)
# 按Esc退出
if key == 27:
break
# 关闭摄像头
cap.release()
# 关闭所有窗口
cv2.destroyAllWindows()
二、采集人脸数据 训练 并识别
"""
********************** 采集人脸数据 *************************
"""
# -*- coding: utf-8 -*-
import cv2
import numpy as np
import random
# 将捕获照片的大小裁剪为正方形
def getpaddingSize(shape):
# 照片的长和宽
h, w = shape
longest = max(h, w)
# 将最长的边进行处理
result = (np.array([longest]*4, int) - np.array([h, h, w, w], int)) // 2
return result.tolist()
# 图像去噪处理，使得训练出来的模型具备一定的泛化能力
def dealwithimage(img, h=64, w=64):
top, bottom, left, right = getpaddingSize(img.shape[0:2])
img = cv2.copyMakeBorder(img, top, bottom, left, right, cv2.BORDER_CONSTANT, value=[0, 0, 0])
img = cv2.resize(img, (h, w))
return img
# 改变亮度与对比度
def relight(imgsrc, alpha=1, bias=0):
imgsrc = imgsrc.astype(float)
imgsrc = imgsrc * alpha + bias
imgsrc[imgsrc < 0] = 0
imgsrc[imgsrc > 255] = 255
imgsrc = imgsrc.astype(np.uint8)
return imgsrc
# 捕获人脸
def GetFace(name,face_id):
# 0: 笔记本内置摄像头; 1: USB摄像头
camera = cv2.VideoCapture(0)
# 获取分类器
face_detector = cv2.CascadeClassifier(r'haarcascade_frontalface_default.xml')
count = 1
while True:
# 默认获取100张图片作为训练数据集
if(count<=100):
print("It's processing %s image." % count)
# 读取图片
success,img = camera.read()
# 图片灰度化
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 检测人脸
faces = face_detector.detectMultiScale(gray,1.3,5)
for (x, y, w, h) in faces:
# 图像预处理，处理成64*64大小的图片
face = gray[y:y+h, x:x+w]
face = cv2.resize(face, (64, 64))
# 图像去噪处理
face = dealwithimage(face)
# 改变亮度与对比度
face = relight(face, random.uniform(0.5, 1.5), random.randint(-50, 50))
# 保存图片
cv2.imwrite("zjh/zjh" + str(face_id) + '.' + str(count) + '.jpg', face)
# 在图片上显示名字
cv2.putText(img, name, (x, y-20), cv2.FONT_HERSHEY_SIMPLEX, 1, 255, 2)
# 画一个矩形
img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
count+=1
cv2.imshow('img', img)
# 保持画面持续
key = cv2.waitKey(30)&0xff
# Esc退出
if key == 27:
break
else:
break
# 关闭摄像头
camera.release()
cv2.destroyAllWindows()
# 主程序入口
if __name__ == "__main__":
# 请输入您的name和face_id
name = input('Please input your name: ')
face_id = input('Please input face id: ')
GetFace(name,face_id)
"""
********************** 训练人脸模型 *************************
"""
# -*- coding: utf-8 -*-
import os
import cv2
from PIL import Image
import numpy as np
# 人脸训练集路径
path = 'D:\pycode\zjh'
# 初始化识别器
recognizer = cv2.face.LBPHFaceRecognizer_create()
# 获取分类器
detector = cv2.CascadeClassifier(r'haarcascade_frontalface_default.xml')
# 获取图像及标签
def getImagesAndLabels(path):
# join函数的作用
imagePaths = [os.path.join(path, f) for f in os.listdir(path)]
faceSamples = []
ids = []
for imagePath in imagePaths:
PIL_img = Image.open(imagePath).convert('L')
img_numpy = np.array(PIL_img, 'uint8')
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, ids
# 主程序入口
if __name__ == "__main__":
print('Training faces. It will take a few seconds. Waiting...')
faces, ids = getImagesAndLabels(path)
# 开始训练
recognizer.train(faces, np.array(ids))
print('Training has finished!')
# 保存文件
recognizer.write(r'a.yml')
print("{0} faces trained. Exiting Program.".format(len(np.unique(ids))))
"""
********************** 人脸识别 ***************************
"""
# -*- coding: utf-8 -*-
import cv2
# 初始化识别器
recognizer = cv2.face.LBPHFaceRecognizer_create()
# 加载训练好的模型文件
recognizer.read('a.yml')
# 获取分类器
faceCascade = cv2.CascadeClassifier(r'haarcascade_frontalface_default.xml')
# 设置图片显示的字体
font = cv2.FONT_HERSHEY_SIMPLEX
idnum = 0
# 用户需要在此添加自己的姓名(拼音)，下标序号要与名字对应(ID从0开始，依次递增)
names = ['zjh','28']
# 捕获图像
camera = cv2.VideoCapture(0)
# 设置格式
minW = 0.1*camera.get(3)
minH = 0.1*camera.get(4)
# 主函数
def main():
while True:
# 读取图片
success,img = camera.read()
# 图片灰度化
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 检测人脸
faces = faceCascade.detectMultiScale(
gray,
scaleFactor=1.3,
minNeighbors=5,
minSize=(int(minW), int(minH))
)
for (x, y, w, h) in faces:
# 画一个矩形
cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)
# 图像预测
idnum,confidence = recognizer.predict(gray[y:y+h, x:x+w])
# 阈值为120
if confidence < 120:
idnum = names[idnum]
confidence = "{0}%".format(round(100 - confidence))
else:
idnum = "unknown"
confidence = "{0}%".format(round(100 - confidence))
cv2.putText(img, str(idnum), (x+5, y-5), font, 1, (230, 250, 100), 1)
cv2.putText(img, str(confidence), (x+5, y+h-5), font, 1, (255, 0, 0), 1)
cv2.imshow('camera', img)
# 保持画面持续
key = cv2.waitKey(10)
# Esc退出
if key == 27:
break
# 关闭摄像头
camera.release()
cv2.destroyAllWindows()
# 主程序入口
if __name__ == "__main__":
print('请正对着摄像头...')
main()
这个识别本人的时候 如过你发现运行秒退 不妨遮着摄像头在运行 或者让你朋友来点运行 会显示未知名字 以及相似度？？？ 然后你本人进去 会识别成功 然后退出
博主用的python几
@暖风 3.10
这个训练的最后好像就是用来识别一个人的，识别到后立刻退出，或许可以用去放老板，比老板键好用(doge
@暖风 hhhhh