Python基于pyopencv人脸识别并绘制GUI界面

项目介绍

我们先来看看成果：

首先写了一个能够操作的gui界面。

其中两个按钮对应相应的功能：

采集人脸：

识别功能：

我可是牺牲了色相五五五五。。。（电脑像素不是很好大家将就一下嘿嘿嘿）

项目思路

本项目是借助于python的一个cv2图像识别库，通过调取电脑的摄像头进行识别人脸并保存人脸图片的功能，然后在通过cv2中的这两个训练工具对保存的人脸图片进行训练（这些都是已经写好的人脸识别算法）我们直接调用就可以。

项目模块

本项目大致细分能分四个模块。

1.人脸采集

通过

cv2.cascadeclassifier('haarcascade_frontalface_default.xml')

对摄像头的图片进行人脸信息的对比，找到人脸的核心区域然后用长方形方框给圈出来，等待指令，并且进行下一步的保存人脸图片：

这些都是我保存好的（我可是牺牲了色相呜呜呜）这些用来进行数据训练。

2.数据训练

将某一目录下的图片转化为数组，获取每张图片中人脸部分的数据保存到事先创建好的列表中，同时获取每张图片的id，同样保存在事先创建好的列表中，最后将训练后的数据保存。

3.人脸识别

cv2会把训练好的数据放在一个文件中，我们在识别的时候直接调用这个数据和摄像头上面的人脸进行对比。

 上图为训练好的一个文件。

识别效果在上面大家也看到了！！！

4.gui界面

这个我是通过pyqt来设计了一个简单的gui界面，配置pyqt环境我在我之前的一篇博客介绍过了——

使用了两个简单的button来进行一个可视化。

项目代码

人脸采集

import numpy as np
import cv2
def b():
    print('正在调用摄像头！')
 
    facecascade = cv2.cascadeclassifier('haarcascade_frontalface_default.xml')
 
    cap = cv2.videocapture(0)
    cap.set(3,640) # set width
    cap.set(4,480) # set height
 
    while true:
        ret, img = cap.read()
        #将彩色图转为灰度图
        gray = cv2.cvtcolor(img, cv2.color_bgr2gray)
        faces = facecascade.detectmultiscale(
            gray,
             scalefactor=1.2,
            minneighbors=5
            ,
            minsize=(20, 20)
 
        )
 
        for (x,y,w,h) in faces:
            cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
            roi_gray = gray[y:y+h, x:x+w]
            roi_color = img[y:y+h, x:x+w]
 
 
        cv2.imshow('video',img)
 
        k = cv2.waitkey(30) & 0xff
        if k == ord('s'):
            n = input('请输入编号：')
            cv2.imwrite('./data/jm/'+n+'.jpg',roi_gray)
        if k == 27: # press 'esc' to quit
            break
 
    cap.release()
    cv2.destroyallwindows()
 
b()

数据训练

import os
import cv2
import sys
from pil import image
import numpy as np
 
 
 
def getimageandlabels(path):
    facessamples=[]
    ids=[]
    imagepaths=[os.path.join(path,f) for f in os.listdir(path)]
    #检测人脸
    face_detector = cv2.cascadeclassifier('haarcascade_frontalface_alt2.xml')
    #打印数组imagepaths
    print('数据排列：',imagepaths)
    #遍历列表中的图片
    for imagepath in imagepaths:
        #打开图片,黑白化
        pil_img=image.open(imagepath).convert('l')
        #将图像转换为数组，以黑白深浅
       # pil_img = cv2.resize(pil_img, dsize=(400, 400))
        img_numpy=np.array(pil_img,'uint8')
        #获取图片人脸特征
        faces = face_detector.detectmultiscale(img_numpy)
        #获取每张图片的id和姓名
        id = int(os.path.split(imagepath)[1].split('.')[0])
        #预防无面容照片
        for x,y,w,h in faces:
            ids.append(id)
            facessamples.append(img_numpy[y:y+h,x:x+w])
        #打印脸部特征和id
        #print('fs:', facessamples)
        print('id:', id)
        #print('fs:', facessamples[id])
    print('fs:', facessamples)
    #print('脸部例子：',facessamples[0])
    #print('身份信息：',ids[0])
    return facessamples,ids
 
if __name__ == '__main__':
    #图片路径
    path='./data/jm/'
    #获取图像数组和id标签数组和姓名
    faces,ids=getimageandlabels(path)
    #获取训练对象
 
    recognizer=cv2.face.lbphfacerecognizer_create()
 
    #recognizer.train(faces,names)#np.array(ids)
    recognizer.train(faces,np.array(ids))
    #保存文件
    recognizer.write('trainer/trainer3.yml')

人脸识别

import cv2
import os
def a():
    #加载识别器
    recognizer = cv2.face.lbphfacerecognizer_create()
    recognizer.read('trainer/trainer3.yml')
    #加载分类器
    cascade_path = "haarcascade_frontalface_alt2.xml"
    face_cascade = cv2.cascadeclassifier(cascade_path)
    cam = cv2.videocapture(0)
    minw = 0.1*cam.get(3)
    minh = 0.1*cam.get(4)
    font = cv2.font_hershey_simplex
    names = []
    agelist=[21,21,21,21,21,21,22]
    path='./data/jm/'
    imagepaths=[os.path.join(path,f) for f in os.listdir(path)]
    for imagepath in imagepaths:
        id = int(os.path.split(imagepath)[1].split('.')[0])
        names.append(id)
    while true:
        ret, img = cam.read()
        gray = cv2.cvtcolor(img, cv2.color_bgr2gray)
        faces = face_cascade.detectmultiscale(
            gray,
            scalefactor=1.3,
            minneighbors=5,
            minsize=(int(minw), int(minh))
        )
        for (x, y, w, h) in faces:
            cv2.rectangle(img, (x , y ), (x + w , y + h ), (225, 0, 0), 2)
            img_id, confidence = recognizer.predict(gray[y:y + h, x:x + w])
            print(img_id,confidence)
            if confidence < 50:
                confidence = "{0}%".format(round(100 - confidence))
            else:
                img_id = "unknown"
                confidence = "{0}%".format(round(100 - confidence))
            if img_id != "unknown":
                print('识别成功！！')
            else:
                print('识别失败！！')
            cv2.puttext(img, str(img_id), (x, y + h), font, 0.55, (0, 255, 0), 1)
            cv2.puttext(img, "18", (x , y + 500), font, 1, (0, 255, 0), 1)
            cv2.puttext(img, "18", (x , y +h + 150), font, 1, (0, 255, 0), 1)
     
            cv2.puttext(img, str(confidence), (x + 5, y - 5), font, 1, (0, 255, 0), 1)
        cv2.imshow('face', img)
        if cv2.waitkey(5) & 0xff == 27:
            break
     
    cam.release()
    cv2.destroyallwindows()

合并gui

from pyqt5 import qtcore, qtgui, qtwidgets
import cv2
 
class ui_mainwindow(qtwidgets.qmainwindow):
    def __init__(self):
        super(ui_mainwindow,self).__init__()
    def setupui(self, mainwindow):
        mainwindow.setobjectname("mainwindow")
        mainwindow.resize(565, 331)
        self.centralwidget = qtwidgets.qwidget(mainwindow)
        self.centralwidget.setobjectname("centralwidget")
        self.pushbutton = qtwidgets.qpushbutton(self.centralwidget)
        self.pushbutton.setgeometry(qtcore.qrect(70, 190, 111, 61))
        self.pushbutton.setobjectname("pushbutton")
        self.pushbutton_2 = qtwidgets.qpushbutton(self.centralwidget)
        self.pushbutton_2.setgeometry(qtcore.qrect(310, 190, 121, 61))
        self.pushbutton_2.setobjectname("pushbutton_2")
        self.label = qtwidgets.qlabel(self.centralwidget)
        self.label.setgeometry(qtcore.qrect(180, 60, 161, 81))
        self.label.setobjectname("label")
        mainwindow.setcentralwidget(self.centralwidget)
        self.menubar = qtwidgets.qmenubar(mainwindow)
        self.menubar.setgeometry(qtcore.qrect(0, 0, 565, 26))
        self.menubar.setobjectname("menubar")
        mainwindow.setmenubar(self.menubar)
        self.statusbar = qtwidgets.qstatusbar(mainwindow)
        self.statusbar.setobjectname("statusbar")
        mainwindow.setstatusbar(self.statusbar)
 
        self.retranslateui(mainwindow)
        qtcore.qmetaobject.connectslotsbyname(mainwindow)
 
    def retranslateui(self, mainwindow):
        _translate = qtcore.qcoreapplication.translate
        mainwindow.setwindowtitle(_translate("mainwindow", "mainwindow"))
        self.pushbutton.settext(_translate("mainwindow", "采集人脸信息"))
        self.pushbutton_2.settext(_translate("mainwindow", "开始识别"))
        # self.label.settext(_translate("mainwindow", "结果："))
        self.pushbutton.clicked.connect(self.b)
        self.pushbutton_2.clicked.connect(self.final)
 
    def b(self):
        print('正在调用摄像头！')
        print("输入'esc'为退出！！！")
 
        facecascade = cv2.cascadeclassifier('haarcascade_frontalface_default.xml')
 
        cap = cv2.videocapture(0)
        cap.set(3, 640)  # set width
        cap.set(4, 480)  # set height
        print("请输入字母's'保存信息！！")
        while true:
            ret, img = cap.read()
            # 将彩色图转为灰度图
            gray = cv2.cvtcolor(img, cv2.color_bgr2gray)
            faces = facecascade.detectmultiscale(
                gray,
                scalefactor=1.2,
                minneighbors=5
                ,
                minsize=(20, 20)
 
            )
 
            for (x, y, w, h) in faces:
                cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
                roi_gray = gray[y:y + h, x:x + w]
                roi_color = img[y:y + h, x:x + w]
 
            cv2.imshow('video', img)
 
            k = cv2.waitkey(30) & 0xff
 
            if k == ord('s'):
                n = input('请输入编号：')
                cv2.imwrite('./data/jm/' + n + '.jpg', roi_gray)
            if k == 27:
                break
 
        cap.release()
        cv2.destroyallwindows()
        print("正在训练！！！")
        self.train()
 
    def final(self):
        import face_zhineng.final_face
        face_zhineng.final_face.a()
 
 
 
    def train(self):
        import cv2
        import numpy as np
        import face_zhineng.training
        # 图片路径
        path = './data/jm/'
        faces, ids = face_zhineng.training.getimageandlabels(path)
        # 获取训练对象
        recognizer = cv2.face.lbphfacerecognizer_create()
        recognizer.train(faces, np.array(ids))
        # 保存文件
        recognizer.write('trainer/trainer3.yml')
        print("训练完毕！！！")
 
 
if __name__ == '__main__':
    import sys
 
    app = qtwidgets.qapplication(sys.argv)
    mainwindow = qtwidgets.qmainwindow()
    ui = ui_mainwindow()
    ui.setupui(mainwindow)
    mainwindow.show()
    sys.exit(app.exec_())

项目总结

到此这篇关于python基于pyopencv人脸识别并绘制gui界面的文章就介绍到这了。希望对大家的学习有所帮助，也希望大家多多支持。