用Python实现简单的人脸识别，10分钟搞定！（附源码）

前言

让我的电脑认识我，我的电脑只有认识我，才配称之为我的电脑！

今天，我们用Python实现简单的人脸识别技术！

Python里，简单的人脸识别有很多种方法可以实现，依赖于python胶水语言的特性，我们通过调用包可以快速准确的达成这一目的。这里介绍的是准确性比较高的一种。

欲直接下载源代码文件，关注微信公众号：Python联盟，回复“人脸识别”即可获取~

一、首先

梳理一下实现人脸识别需要进行的步骤：

流程大致如此，在此之前，要先让人脸被准确的找出来，也就是能准确区分人脸的分类器，在这里我们可以用已经训练好的分类器，网上种类较全，分类准确度也比较高，我们也可以节约在这方面花的时间。

ps: 博主的宝贝来源已经放在下面链接里啦~

推荐：GitHub项目

https://github.com/opencv/opencv/tree/master/data/haarcascades

既然用的是python，那自然少不了包的使用了，在看代码之前，我们先将整个项目所需要的包罗列一下：

· CV2(Opencv)：图像识别，摄像头调用

· os：文件操作

· numpy：NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库

· PIL：Python Imaging Library，Python平台事实上图像处理的标准库

二、接下来

1. 对照人脸获取

  

   

    

     

    
    

     

      #-----获取人脸样本-----
     
    
   

    

     

    
    

     

      import cv2
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #调用笔记本内置摄像头，参数为0，如果有其他的摄像头可以调整参数为1,2
     
    
   

    

     

    
    

     

      cap = cv2.VideoCapture(
      0)
     
    
   

    

     

    
    

     

      #调用人脸分类器，要根据实际路径调整3
     
    
   

    

     

    
    

     

      face_detector = cv2.CascadeClassifier(
      r'X:/Users/73950/Desktop/FaceRec/haarcascade_frontalface_default.xml')  
      #待更改
     
    
   

    

     

    
    

     

      #为即将录入的脸标记一个id
     
    
   

    

     

    
    

     

      face_id = input(
      '\n User data input,Look at the camera and wait ...')
     
    
   

    

     

    
    

     

      #sampleNum用来计数样本数目
     
    
   

    

     

    
    

     

      count = 
      0
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      while 
      True:    
     
    
   

    

     

    
    

     
    
      #从摄像头读取图片
     
    
   

    

     

    
    

     

          success,img = cap.read()    
     
    
   

    

     

    
    

     
    
      #转为灰度图片，减少程序符合，提高识别度
     
    
   

    

     

    
    

     
    
      if success 
      is 
      True: 
     
    
   

    

     

    
    

     

              gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
     
    
   

    

     

    
    

     
    
      else:   
     
    
   

    

     

    
    

     
        
      break
     
    
   

    

     

    
    

     
    
      #检测人脸，将每一帧摄像头记录的数据带入OpenCv中，让Classifier判断人脸
     
    
   

    

     

    
    

     
    
      #其中gray为要检测的灰度图像，1.3为每次图像尺寸减小的比例，5为minNeighbors
     
    
   

    

     

    
    

     

          faces = face_detector.detectMultiScale(gray, 
      1.3, 
      5)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
    
      #框选人脸，for循环保证一个能检测的实时动态视频流
     
    
   

    

     

    
    

     
    
      for (x, y, w, h) 
      in faces:
     
    
   

    

     

    
    

     
        
      #xy为左上角的坐标,w为宽，h为高，用rectangle为人脸标记画框
     
    
   

    

     

    
    

     

              cv2.rectangle(img, (x, y), (x+w, y+w), (
      255, 
      0, 
      0))
     
    
   

    

     

    
    

     
        
      #成功框选则样本数增加
     
    
   

    

     

    
    

     

              count += 
      1  
     
    
   

    

     

    
    

     
        
      #保存图像，把灰度图片看成二维数组来检测人脸区域
     
    
   

    

     

    
    

     
        
      #(这里是建立了data的文件夹，当然也可以设置为其他路径或者调用数据库)
     
    
   

    

     

    
    

     

              cv2.imwrite(
      "data/User."+str(face_id)+
      '.'+str(count)+
      '.jpg',gray[y:y+h,x:x+w]) 
     
    
   

    

     

    
    

     
        
      #显示图片
     
    
   

    

     

    
    

     

              cv2.imshow(
      'image',img)       
     
    
   

    

     

    
    

     
        
      #保持画面的连续。waitkey方法可以绑定按键保证画面的收放，通过q键退出摄像
     
    
   

    

     

    
    

     

          k = cv2.waitKey(
      1)        
     
    
   

    

     

    
    

     
    
      if k == 
      '27':
     
    
   

    

     

    
    

     
        
      break        
     
    
   

    

     

    
    

     
        
      #或者得到800个样本后退出摄像，这里可以根据实际情况修改数据量，实际测试后800张的效果是比较理想的
     
    
   

    

     

    
    

     
    
      elif count >= 
      800:
     
    
   

    

     

    
    

     
        
      break
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #关闭摄像头，释放资源
     
    
   

    

     

    
    

     

      cap.realease()
     
    
   

    

     

    
    

     

      cv2.destroyAllWindows()
     
    
  

经博主测试，在执行

“face_detector = cv2.CascadeClssifier(r'C:\Users\admin\Desktop\python\data\haarcascade_frontalface_default.xml')”此语句时，实际路径中的目录名尽量不要有中文字符出现，否则容易报错。

这样，你的电脑就能看到你啦！

2. 通过算法建立对照模型

本次所用的算法为opencv中所自带的算法，opencv较新版本中（我使用的是2.4.8）提供了一个FaceRecognizer类，里面有相关的一些人脸识别的算法及函数接口，其中包括三种人脸识别算法（我们采用的是第三种）

1.eigenface

2.fisherface

3.LBPHFaceRecognizer

LBP是一种特征提取方式，能提取出图像的局部的纹理特征，最开始的LBP算子是在3X3窗口中，取中心像素的像素值为阀值，与其周围八个像素点的像素值比较，若像素点的像素值大于阀值，则此像素点被标记为1，否则标记为0。这样就能得到一个八位二进制的码，转换为十进制即LBP码，于是得到了这个窗口的LBP值，用这个值来反映这个窗口内的纹理信息。

LBPH是在原始LBP上的一个改进，在opencv支持下我们可以直接调用函数直接创建一个LBPH人脸识别的模型。

我们在前一部分的同目录下创建一个Python文件，文件名为trainner.py，用于编写数据集生成脚本。同目录下，创建一个文件夹，名为trainner，用于存放我们训练后的识别器。

  

   

    

     

    
    

     

      #-----建立模型、创建数据集-----#-----建立模型、创建数据集-----
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      import os
     
    
   

    

     

    
    

     

      import cv2
     
    
   

    

     

    
    

     

      import numpy 
      as np
     
    
   

    

     

    
    

     

      from PIL 
      import Image
     
    
   

    

     

    
    

     

      #导入pillow库，用于处理图像
     
    
   

    

     

    
    

     

      #设置之前收集好的数据文件路径
     
    
   

    

     

    
    

     

      path = 
      'data'
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #初始化识别的方法
     
    
   

    

     

    
    

     

      recog = cv2.face.LBPHFaceRecognizer_create()
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #调用熟悉的人脸分类器
     
    
   

    

     

    
    

     

      detector = cv2.CascadeClassifier(
      'haarcascade_frontalface_default.xml')
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #创建一个函数，用于从数据集文件夹中获取训练图片,并获取id
     
    
   

    

     

    
    

     

      #注意图片的命名格式为User.id.sampleNum
     
    
   

    

     

    
    

     

      def get_images_and_labels(path):
     
    
   

    

     

    
    

     

          image_paths = [os.path.join(path,f) 
      for f 
      in os.listdir(path)]
     
    
   

    

     

    
    

     
    
      #新建连个list用于存放
     
    
   

    

     

    
    

     

          face_samples = []
     
    
   

    

     

    
    

     

          ids = []
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
    
      #遍历图片路径，导入图片和id添加到list中
     
    
   

    

     

    
    

     
    
      for image_path 
      in image_paths:
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
        
      #通过图片路径将其转换为灰度图片
     
    
   

    

     

    
    

     

              img = Image.open(image_path).convert(
      'L')
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
        
      #将图片转化为数组
     
    
   

    

     

    
    

     

              img_np = np.array(img,
      'uint8')
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
        
      if os.path.split(image_path)[
      -1].split(
      ".")[
      -1] != 
      'jpg':
     
    
   

    

     

    
    

     
            
      continue
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
        
      #为了获取id，将图片和路径分裂并获取
     
    
   

    

     

    
    

     

              id = int(os.path.split(image_path)[
      -1].split(
      ".")[
      1])
     
    
   

    

     

    
    

     

              faces = detector.detectMultiScale(img_np)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
        
      #将获取的图片和id添加到list中
     
    
   

    

     

    
    

     
        
      for(x,y,w,h) 
      in faces:
     
    
   

    

     

    
    

     

                  face_samples.append(img_np[y:y+h,x:x+w])
     
    
   

    

     

    
    

     

                  ids.append(id)
     
    
   

    

     

    
    

     
    
      return face_samples,ids
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #调用函数并将数据喂给识别器训练
     
    
   

    

     

    
    

     

      print(
      'Training...')
     
    
   

    

     

    
    

     

      faces,ids = get_images_and_labels(path)
     
    
   

    

     

    
    

     

      #训练模型
     
    
   

    

     

    
    

     

      recog.train(faces,np.array(ids))
     
    
   

    

     

    
    

     

      #保存模型
     
    
   

    

     

    
    

     

      recog.save(
      'trainner/trainner.yml')
     
    
  

这就让电脑认识到你是与众不同的那颗星~

3. 识别

检测，校验，输出其实都是识别的这一过程，与前两个过程不同，这是涉及实际使用的过程，所以我们把他整合放在一个统一的一个文件内。

  

   

    

     

    
    

     

      #-----检测、校验并输出结果-----
     
    
   

    

     

    
    

     

      import cv2
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #准备好识别方法
     
    
   

    

     

    
    

     

      recognizer = cv2.face.LBPHFaceRecognizer_create()
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #使用之前训练好的模型
     
    
   

    

     

    
    

     

      recognizer.read(
      'trainner/trainner.yml')
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #再次调用人脸分类器
     
    
   

    

     

    
    

     

      cascade_path = 
      "haarcascade_frontalface_default.xml" 
     
    
   

    

     

    
    

     

      face_cascade = cv2.CascadeClassifier(cascade_path)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #加载一个字体，用于识别后，在图片上标注出对象的名字
     
    
   

    

     

    
    

     

      font = cv2.FONT_HERSHEY_SIMPLEX
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      idnum = 
      0
     
    
   

    

     

    
    

     

      #设置好与ID号码对应的用户名，如下，如0对应的就是初始
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      names = [
      '初始',
      'admin',
      'user1',
      'user2',
      'user3']
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #调用摄像头
     
    
   

    

     

    
    

     

      cam = cv2.VideoCapture(
      0)
     
    
   

    

     

    
    

     

      minW = 
      0.1*cam.get(
      3)
     
    
   

    

     

    
    

     

      minH = 
      0.1*cam.get(
      4)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      while 
      True:
     
    
   

    

     

    
    

     

          ret,img = cam.read()
     
    
   

    

     

    
    

     

          gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
     
    
   

    

     

    
    

     
    
      #识别人脸
     
    
   

    

     

    
    

     

          faces = face_cascade.detectMultiScale(
     
    
   

    

     

    
    

     

                  gray,
     
    
   

    

     

    
    

     

                  scaleFactor = 
      1.2,
     
    
   

    

     

    
    

     

                  minNeighbors = 
      5,
     
    
   

    

     

    
    

     

                  minSize = (int(minW),int(minH))
     
    
   

    

     

    
    

     

                  )
     
    
   

    

     

    
    

     
    
      #进行校验
     
    
   

    

     

    
    

     
    
      for(x,y,w,h) 
      in faces:
     
    
   

    

     

    
    

     

              cv2.rectangle(img,(x,y),(x+w,y+h),(
      0,
      255,
      0),
      2)
     
    
   

    

     

    
    

     

              idnum,confidence = recognizer.predict(gray[y:y+h,x:x+w])
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
        
      #计算出一个检验结果
     
    
   

    

     

    
    

     
        
      if confidence < 
      100:
     
    
   

    

     

    
    

     

                  idum = names[idnum]
     
    
   

    

     

    
    

     

                  confidence = 
      "{0}%",format(round(
      100-confidence))
     
    
   

    

     

    
    

     
        
      else:
     
    
   

    

     

    
    

     

                  idum = 
      "unknown"
     
    
   

    

     

    
    

     

                  confidence = 
      "{0}%",format(round(
      100-confidence))
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
        
      #输出检验结果以及用户名
     
    
   

    

     

    
    

     

              cv2.putText(img,str(idum),(x+
      5,y
      -5),font,
      1,(
      0,
      0,
      255),
      1)
     
    
   

    

     

    
    

     

              cv2.putText(img,str(confidence),(x+
      5,y+h
      -5),font,
      1,(
      0,
      0,
      0),
      1)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
        
      #展示结果
     
    
   

    

     

    
    

     

              cv2.imshow(
      'camera',img)
     
    
   

    

     

    
    

     

              k = cv2.waitKey(
      20)
     
    
   

    

     

    
    

     
        
      if k == 
      27:
     
    
   

    

     

    
    

     
            
      break
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #释放资源
     
    
   

    

     

    
    

     

      cam.release()
     
    
   

    

     

    
    

     

      cv2.destroyAllWindows()
     
    
  

现在，你的电脑就能识别出你来啦！

通过其他组合也可以实现开机检测等多种功能，你学会了吗？

下面是博主审稿时的测试结果以及出现的一些问题哦~希望对大家有帮助（呲牙.jpg）

测试结果：

博主审稿测试过程中出现的问题：

（1）版本问题

解决方法：经过博主无数次的失败，提示大家最好安装python2.7，可以直接使用 pip install numpy 以及pip install opencv-python安装numpy 以及对应python版本的opencv

（如果使用的是Anaconda2，pip相关命令可在开始菜单Anaconda2文件夹下的Anaconda Prompt中输入）

点击推文中给出的链接，将github中的文件下载后放至编译文件所在的文件夹下，并更改代码中的相关目录

（2）如果提示“module' object has no attribute 'face'”

解决方法：可以输入 pip install opencv-contrib-python解决，如果提示需要commission，可以在后面加上 --user,即 pip install opencv-contrib-python --user

如有其它问题欢迎大家随时联系博主呀~~~