opencv3 人脸检测和识别

人脸部检测

输入：face_detection_still.py

import cv2
from skimage import io

filename = 'people.jpg'

def detect(filename):
  face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')
  eye_cascade = cv2.CascadeClassifier('./cascades/cascadeshaarcascade_eye.xml')
  img = cv2.imread(filename)
  #gray = io.imread(r"D:\F\eclipse-workspace\imagop\src\faces\vikings.jpg",as_grey=True)
  gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
  #faces = face_cascade.detectMultiScale(gray, 1.3, 5)
  faces = face_cascade.detectMultiScale(gray, 1.3, 9)
  for (x,y,w,h) in faces:
    img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
  
  cv2.namedWindow('Vikings Detected!!')
  img = cv2.resize(img, (900, 900), interpolation=cv2.INTER_CUBIC)
  cv2.imshow('Vikings Detected!!', img)
  cv2.imwrite('./vikings.jpg', img)
  cv2.waitKey(0)

detect(filename)

输出：

检测人的脸部和眼睛

'''
Created on 2018年7月1日
      
@author: hcl
'''
import cv2
      
def detect():
    face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')
    eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_eye.xml')
    camera = cv2.VideoCapture(0)
    while (True):
        ret,frame = camera.read()
        gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
        faces = face_cascade.detectMultiScale(gray, 1.3, 5)
        #检测人脸，注意要转换成灰度图  1.3表示压缩率 5表示保留近邻数目的最小值
        for (x,y,w,h) in faces:
            img = cv2.rectangle(frame,(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] 
            eyes = eye_cascade.detectMultiScale(roi_gray,1.03,5,0,(40,40))#,0
            #在上检测的人脸中检测眼睛  40*40限制对眼睛搜索的的最小尺寸  
            for (ex,ey,ew,eh) in eyes:
                cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)#书上用的是img 会有问题
                cv2.imshow('camera',frame)
                if cv2.waitKey(5) & 0xff == ord('q'):
                    break
 
    camera.release()
    cv2.destroyAllWindows()
      
if __name__ == "__main__":
    detect()

输出：脸部能准确圈出，但是眼部只能圈出未佩戴眼镜者

打开摄像头在检测的人脸中显示姓名

1、首先获取人脸特征数据：

import cv2
  
def generate():
    face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')
    # 打开摄像头
    camera = cv2.VideoCapture(0)
    count = 0
    while (True):
        ret, frame = camera.read()
        print(ret)
         
        # 把摄像头的每一帧图像转换成灰度图像，这时书上就比较乱了
        # 有用cv2.cvtColor(frame, 1)也有用下面的，其实都一样
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 检测人脸
        faces = face_cascade.detectMultiScale(gray, 1.3, 5)
        # 接下来就是循环保存图片了
        for (x, y, w, h) in faces:
            # 先画一个正方形，这很简单
            img = cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)
             
            # 接下来把图像全部格式化成200x200像素
            f = cv2.resize(gray[y: y+h, x:x+w], (200, 200))
             
            # 保存图片为opencv专用的*.pgm格式
            cv2.imwrite('./data/hcl/%s.pgm' % str(count), f)
            count += 1

        cv2.imshow("camera", frame)
        if cv2.waitKey(int(1000/12)) & 0xff == ord("q"):
            break
    # 释放摄像头句柄
    camera.release()
    # 销毁窗口，这句很重要
    cv2.destroyAllWindows()
  
# 开始执行
if __name__ == "__main__":
    generate()

2、验证数据人脸特征数据是否生成

import cv2
# 打开1.pgm文件，并保存为灰度图像
img = cv2.imread('./data/hcl/1.pgm', cv2.IMREAD_GRAYSCALE)
print (img)
# 在名为img的窗口上显示图片，像素为200x200
cv2.imshow('img',img)
cv2.waitKey()

在运行程序中，安装了opencv的补充包opencv_contrib_python-3.4.1.15-cp36-cp36m-win_amd64.whl，在https://pypi.org/project/opencv-contrib-python/#files下载适合自己电脑安装版本的包，然后再再anaconda中安装pip install D:\F\Anaconda3\Lib\opencv_contrib_python-3.4.1.15-cp36-cp36m-win_amd64.whl即可

3、真正进入人脸识别

三种实现方式：EigenFace、FisherFace、LBPHFace

import os
import sys
import cv2
import numpy as np
  
# 图片的路径
filepath = './data/hcl/'
# 定义2个数组，X存放每幅图片的数组列表，y存放每幅图片的序号，后面有句print函数
# 可以在IDLE里看哪张图片特征最匹配实时检测到的脸，并给出置信度
X = []
y = []
  
# 顾名思义，读取特征图片
def read_images(path):
    # 初始化计数器
    c = 0
  
    # 扫描路径下的路径名，文件名，不明白的可以在下面print一下
    for dirname, dirnames, filenames in os.walk(path):
        # print dirname, dirnames, filename
        # 提取每个文件并保存到X,y数组里，这里做了点改动，因为我的特征图片路径没有书上代码那么深
        for filename in filenames:
            try:
                # 组合路径和文件名，得到特征图的绝对路径D:\F\eclipse-workspace\imagop\src\faces\data\hcl\1.pgm
                filename = os.path.join(path, filename)
                # 把特征图以灰度图读取
                im = cv2.imread(filename, cv2.IMREAD_GRAYSCALE)
  
                # 重新格式化图片为200x200像素，原书估计打错字了
                if (im is not None):
                   im = cv2.resize(im, (200, 200))
  
                # 把特征图片数组添加到X数组中，组成一个大的特征数组
                X.append(np.asarray(im, dtype=np.uint8))
                y.append(c)
            # 输入输出错误检查
#             except IOError, (errno, strerror):
#                 print "I/O error({0}): {1}".format(errno, strerror)
  
            except:
                print ("Unexpected error:", sys.exc_info()[0])
                raise
            c = c + 1
    #print X
    #print y
    # 估计到这，这数组的维度大得吓人了
    return [X, y] 
  
# 顾名思义，人脸检测开始了
def face_rec():
    # 定义一个名字的数组，随便瞎打几个英文字母，等会下面会用到
    #names = ['hcl', 'ln', 'hn']
    names = ['hcl' for i in range(20)]
    # 加载特征图片
    [x, y] = read_images(filepath)
    # 把y数组保存为int32格式的数组，用asarry()不用开辟新的内存，其实array()函数也可以，现在谁的电脑内存没个几G啊
    y = np.asarray(y, dtype=np.int32)
    # 加载EigenFaceRecognizer算法，这里必须改为EigenFaceRecognizer_create，原书createEigenFaceRecognizer
    # 需要安装opencv扩展库，基础库只能做到人脸识别，但是分不清是谁， pip install opencv-contrib-python
    
    #这里面是3中不同的人脸识别方法
    model = cv2.face.EigenFaceRecognizer_create()
    #model = cv2.face.FisherFaceRecognizer_create()
    #model = cv2.face.LBPHFaceRecognizer_create()
    
    # 训练数据集，貌似机器学习，好高深，不深究
    model.train(np.asarray(X), np.asarray(y))
  
    # 和第一步里generate()里的用法一样，懒得解释了
    face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')
    camera = cv2.VideoCapture(0)
     
    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:
                # 选出感兴趣的区域，使用内插法，还是老规矩自行百度
                roi = cv2.resize(roi, (200, 200), interpolation=cv2.INTER_LINEAR)
                # 预测实时图片，这里老衲也没看明白，下次有时间去看看EigenFaceRecognizer的方法
                params = model.predict(roi)
                print(params)
                # 把匹配的特征和置信度打印在IDLE内
                print ("Label: %s, Confidence: %.2f" % (params[0], params[1]))
                # 把匹配的名字显示在方框左上角，有时候会瞎显示，以后研究，还有就是现在无法显示中文字符，也以后吧 :P
                 
                #后期可以把所有不同人的照片放到一个文件夹内，然后利用 姓名+计数 命名，然后通过对params[0]进行分割 去除数字 留下姓名 这样就可以做到识别多人了
                cv2.putText(img, names[params[0]], (x, y - 20), cv2.FONT_HERSHEY_SIMPLEX, 1, 255, 2)
                 
            except:
                continue
        cv2.imshow("camera", img)
        if cv2.waitKey(int(1000 / 12)) & 0xff == ord("q"):
            break
    cv2.destroyAllWindows()
  
if __name__ == "__main__":
    face_rec()

识别不同人脸思路：后期可以把所有不同人的照片放到一个文件夹内，然后利用 姓名+计数 命名，然后通过对params[0]进行分割 去除数字 留下姓名 这样就可以做到识别多人了