代码收藏家 Python中Opencv的基础应用-人脸识别
一。首先如果想要使用Opencv，需要导入cv2库，这里主要使用的是cv2（有三代）的功能。
import cv2 as cv二。cv2的文件需要下载，这里下载有两种方式：
①：第一种方式是–>当你敲了上述代码时cv2下会有红色波浪线，你只需要将鼠标光标放在上面按下alt+enter键，会弹出import cv2选项，点击即可。但是此方法只适用于您已经设置好了pycharm或者其他编辑器的默认镜像网站或者开了魔法。因为cv2源站在外面。
②：于是便有了第二种方式–>在terminal中敲入以下代码
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python里面使用的时清华大学的镜像源，您也可以选择其他镜像源，比如豆瓣等
三。然后我们尝试一个简单的操作：展示一张图片
img=cv.imread('image.jpg') #读取路径中的图片,路径必须全英文
cv.imshow('read_img',img) #imshow（‘起一个弹窗名称’,读取的图片对象）
# cv.waitKey(0) # 等待键盘输入，单位毫秒，传入0则就是无线等待，必须按下按键
cv.waitKey(3000) # 如果写入时间，则是有两个选择，一个是按下任意键，一个是等待三秒
cv.destroyWindow('read_img') # 释放内存，结束掉时释放被占用的内存，括号内写入需要关闭的窗口名四。上面的代码可以帮助我们使用opencv打开一个图片，这有助于我们进行图片方面的识别。
现在我们来尝试第二个功能：将图片转化为灰色。
为什么要转为灰色，可以理解为图片中色彩太多会对识别产生干扰，需要先解决它。
import cv2 as cv
img=cv.imread('image.jpg')
cv.imshow('Myimg',img)
# 将图片灰度转换
gray_img=cv.cvtColor(img,cv.COLOR_BGR2GRAY)#cvtColor('图片对象'，‘将BGR图片转为gray灰度图片’)
cv.imshow('gray_img',gray_img)
cv.imwrite('grey_img.jpg',gray_img)# 保存图片
cv.waitKey(0)
cv.destroyAllWindows()
最终我们将转化为灰色的图片保存到了同一层级中。
五。接下来尝试调整窗口的大小，并且设置固定的关闭窗口按键
import cv2 as cv
img=cv.imread('image.jpg')
cv.imshow('image',img)
resize_img=cv.resize(img,dsize=(200,240)) #调整图片的大小
cv.imshow('small_mg',resize_img)
while True: #此处添加了一个无线循环
if ord('q')==cv.waitKey(0): #waitkey会监测键盘输入，当键盘输入等于q时结束循环
break
cv.destroyAllWindows() #结束循环后释放内存六。然后就开始正式和人脸有关了，我们尝试识别出图片中的人脸并且将人脸用矩形框出来。
首先需要理解举行的坐标是如何运作的–>默认矩形的左上角是(x,y)，宽为w，高为h
画矩形代码：reactangle(图片，坐标，颜色，粗度)
重点：既然我们学会了如何绘制矩形，但是我们该如何知道图片中人脸的坐标呢？因为我们需要在人脸上画矩形，这里就用到了opencv最厉害的工具–我们将站在巨人的肩膀上，直接使用他们编写好并开源的人脸识别代码。但在调用之前我们还需要额外安装一下它。
我这里使用的是4.9.0版本，直接去官网下载就可以了，是开源免费的。
安装好了之后我们就需要调用里面的人脸识别组件（其中包含了许多组件）
组件路径是安装目录下的：
opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml
调用组件代码是：cv.CascadeClassifier('路径')，需要使用一个变量接收
face_detector=cv.CascadeClassifier("D:/Opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml")于是乎，我们就可以通过调用变量名来使用其功能了。
其中用来监测人脸的代码是：face_detector.detectMultiScale(灰度图片对象)
faces=face_detector.detectMultiScale(gray) #faces中存储的是人脸的坐标接下来，我们来完整一下这个代码：
# 1导入拓展
import cv2 as cv
# 2.读取图片
img=cv.imread('image.jpg')
# 3.转为灰度
gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
# 4.导入人脸识别组件
face_detector=cv.CascadeClassifier("D:/Opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml")
# 5.使用组件
faces=face_detector.detectMultiScale(gray)
# 获取面部坐标
for x,y,w,h in faces: #每组x,y,w,h是一个人脸的坐标，有几个人脸画几个矩形
cv.rectangle(img,(x,y),(x+w,y+h),color=(0,255,0),thickness=2)
cv.imshow('img',img)
cv.waitKey(0)
cv.destroyAllWindows()以上就可以将我们图片中的人脸给框出来了。
七。如果一个图片中有多个人脸，很容易会出现识别出错的情况，我们需要微调。使用邻居数量限制和缩小比例来提高精确度。
使用代码：minNeighbors=数值，scaleFactor=数值。
如何去理解minNeighbors,画好一个矩形之后周围矩形的最小数量
如何去理解缩小比例。监测人脸是一种遍历的过程，会逐渐缩小监测框，缩小比例越小越精确。
我们来完善一下代码：
import cv2 as cv
img=cv.imread('scientist.jpg')
# 在检测人脸前需要将图片转换为灰色
grey=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
# 调用人脸识别库
faceDectector=cv.CascadeClassifier("D:/Opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml")
# 使用库，放入图片
faces=faceDectector.detectMultiScale(grey,minNeighbors=1,scaleFactor=1.09)
# 获取人脸坐标
for x,y,w,h in faces:
print(x,y,w,h)
cv.rectangle(img,(x,y),(x+w,y+h),color=(0,255,0),thickness=2)
cv.imshow('scientists',img)
cv.waitKey(0)
cv.destroyAllWindows()八。接下来，我们加大难度，来监测视频中的人脸：但其实也不难，只要在之前的代码中添加新功能即可:只是多了两步。
①，第一步是将之前的监测人脸代码放到函数里面。
②，第二部就是使用cv.VideoCapture（‘视频路径’），获取视频文件并使用for循环遍历其中的帧。也就是将一个视频拆解成了许多的图片，将每个图片中的人脸都框出来再逐一展示再弹窗中。
import cv2 as cv
def face_detect(img):
# 首先将图片转化为灰色
gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
# 调用识别库
faceDetector=cv.CascadeClassifier('D:/Opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
# 使用库
faces=faceDetector.detectMultiScale(gray)
# 获得坐标
for x,y,w,h in faces:
cv.rectangle(img,(x,y),(x+w,y+h),color=(0,255,0),thickness=2)
cv.imshow('Video',img)
cap=cv.VideoCapture('guitar.mp4')
while True:
flag,frame=cap.read() # flag代表视频播放状态，frame相当于视频每一帧
if not flag:
break
face_detect(frame)
if ord('q')==cv.waitKey(10):
break
cv.destroyAllWindows()
# 释放内存
cap.release()九。在然后，我们来尝试如何来通过摄像头试试监测人脸。这就更简单了，只需要将视频文件设置成摄像头数据就行。将视频路径改为数字0
import cv2 as cv
def face_detect(img):
# 转为灰色
gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
# 调用人脸识别组件
face_dectector=cv.CascadeClassifier('D:/Opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
# 使用组件
faces=face_dectector.detectMultiScale(gray)
# 获取坐标
for x,y,w,h in faces:
cv.rectangle(img,(x,y),(x+w,y+h),color=(0,255,0),thickness=2)
# 展示图片
cv.imshow('show',img)
# 读取摄像头
video=cv.VideoCapture(0)
while True:
flag,frame = video.read()
face_detect(frame)
if flag==False:
break
if ord(' ')==cv.waitKey(10):
break
cv.destroyWindow()
十。然后我们在进入下一个境界，那就是训练人脸，从这开始，opencv提高了些难度。
import os # 用于处理文件路径和文件操作
import cv2 as cv # OpenCV库，用于图像处理和计算机视觉任务
from PIL import Image # Pillow库，用于图像处理
import numpy as np # 用于数组操作
def getImageAndLabels(path):
"""
获取指定路径下的图像和对应的标签（ID）。
遍历路径中的每个图像文件，提取其中的人脸并记录对应的ID。
参数:
path (str): 存储人脸图像的文件夹路径。
返回:
facesSample (list): 包含所有人脸区域的列表。
ids (list): 对应人脸的ID列表。
"""
facesSample = [] # 用于存储人脸区域的列表
ids = [] # 用于存储每张人脸对应的ID
imagePaths = [os.path.join(path, f) for f in os.listdir(path)] # 获取路径中所有图像文件的完整路径
# 使用预训练的人脸分类器进行人脸检测，CascadeClassifier是一种级联分类器
face_detector = cv.CascadeClassifier(cv.data.haarcascades + 'haarcascade_frontalface_default.xml')
for imagePath in imagePaths:
try:
# 打开图像并将其转换为灰度图，因为人脸检测通常在灰度图像上效果更好
PIL_image = Image.open(imagePath).convert('L')
except Exception as e:
print(f"Error opening image {imagePath}: {e}") # 如果图像打开失败，打印错误信息
continue
img_numpy = np.array(PIL_image, 'uint8') # 将图像转换为NumPy数组，用于后续处理
# 使用分类器检测图像中的人脸，返回的是人脸区域的坐标列表
faces = face_detector.detectMultiScale(img_numpy, scaleFactor=1.2, minNeighbors=5)
# 从文件名中提取ID，假设文件名的格式为 "ID.其他扩展名"
id = int(os.path.split(imagePath)[1].split('.')[0])
# 遍历检测到的人脸区域
for (x, y, w, h) in faces:
# 确保人脸的坐标在图像边界内
if x + w <= img_numpy.shape[1] and y + h <= img_numpy.shape[0]:
# 截取人脸区域，并添加到人脸样本列表中
facesSample.append(img_numpy[y:y + h, x:x + w])
# 添加对应的ID到列表
ids.append(id)
return facesSample, ids
if __name__ == '__main__':
# 设置人脸图像所在的文件夹路径
path = './jm'
# 调用函数获取图像中的人脸和对应的ID
faces, ids = getImageAndLabels(path)
# OpenCV的新版本不再支持face模块，但这里是使用旧版的face识别器
recognizer = cv.face.LBPHFaceRecognizer_create() # 创建LBPH人脸识别器
recognizer.train(faces, np.array(ids)) # 使用获取到的人脸和ID列表训练识别器
# 如果存储模型的文件夹不存在，则创建一个新的
if not os.path.exists('trainer'):
os.makedirs('trainer')
# 将训练好的模型保存到指定文件
recognizer.write('trainer/trainer.yml')
十一。最后我们来尝试识别出人脸并作出反馈
import os
import numpy as np
import time
import cv2 as cv
video=cv.VideoCapture(0)
# 加载训练数据集文件
recognizer=cv.face.LBPHFaceRecognizer_create()
recognizer.read('trainer/trainer.yml')
while True:
flag, frame = video.read()
# 准备识别图片
gray=cv.cvtColor(frame,cv.COLOR_BGRA2GRAY)
face_dectector=cv.CascadeClassifier('D:/Opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
# 使用组件
faces=face_dectector.detectMultiScale(gray)
for x,y,w,h in faces:
cv.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)
# 人脸识别
id,confindence=recognizer.predict(gray[y:y+h,x:x+w])
print('标签id',id,'置信评分:',confindence)
if confindence <60 and id<5:
print(f'完成识别，身份为主人')
elif confindence < 60 and id >= 65:
print(f'完成识别，身份为二当家')
elif confindence < 60 and id >= 78:
print(f'完成识别，身份为三当家')
cv.imshow('show',frame)
if flag==False:
break
if ord(' ')==cv.waitKey(10):
break
cv.destroyWindow()作者：木易往
