用Python實現簡單的臉部辨識，10分鐘搞定！（附原始碼）

Python裡，簡單的臉部辨識有很多種方法可以實現，依賴於python膠水語言的特性，我們通過呼叫包可以快速準確的達成這一目的。

這裡介紹的是準確性比較高的 ... 技術文章»用Python實現簡單的臉部辨識，10分鐘搞定！（附原始碼） 用Python實現簡單的臉部辨識，10分鐘搞定！（附原始碼） 2021-03-2112:00:20 前言 讓我的電腦認識我，我的電腦只有認識我，才配稱之為我的電腦！ 今天，我們用Python實現簡單的臉部辨識技術！ Python裡，簡單的臉部辨識有很多種方法可以實現，依賴於python膠水語言的特性，我們通過呼叫包可以快速準確的達成這一目的。

這裡介紹的是準確性比較高的一種。

欲直接下載原始碼檔案，關注微信公眾號：Python聯盟，回覆「臉部辨識」即可獲取~ 一、首先 梳理一下實現臉部辨識需要進行的步驟： 流程大致如此，在此之前，要先讓人臉被準確的找出來，也就是能準確區分人臉的分類器，在這裡我們可以用已經訓練好的分類器，網上種類較全，分類準確度也比較高，我們也可以節約在這方面花的時間。

ps:博主的寶貝來源已經放在下面連結裡啦~ 推薦：GitHub專案 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，在看程式碼之前，我們先將整個專案所需要的包羅列一下： ·CV2(Opencv)：影象識別，攝像頭呼叫 ·os：檔案操作 ·numpy：NumPy(NumericalPython)是Python語言的一個擴充套件程式庫，支援大量的維度陣列與矩陣運算，此外也針對陣列運算提供大量的數學函數庫 ·PIL：PythonImagingLibrary，Python平臺事實上影象處理的標準庫 二、接下來 1.對照人臉獲取 #-----獲取人臉樣本----- importcv2 #呼叫筆電內建攝像頭，引數為0，如果有其他的攝像頭可以調整引數為1,2 cap=cv2.VideoCapture(0) #呼叫人臉分類器，要根據實際路徑調整3 face_detector=cv2.CascadeClassifier(r'X:/Users/73950/Desktop/FaceRec/haarcascade_frontalface_default.xml')#待更改 #為即將錄入的臉標記一個id face_id=input('\nUserdatainput,Lookatthecameraandwait...') #sampleNum用來計數樣本數目 count=0 whileTrue: #從攝像頭讀取圖片 success,img=cap.read() #轉為灰度圖片，減少程式符合，提高識別度 ifsuccessisTrue: gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) else: break #檢測人臉，將每一幀攝像頭記錄的資料帶入OpenCv中，讓Classifier判斷人臉 #其中gray為要檢測的灰度影象，1.3為每次影象尺寸減小的比例，5為minNeighbors faces=face_detector.detectMultiScale(gray,1.3,5) #框選人臉，for迴圈保證一個能檢測的實時動態視訊流 for(x,y,w,h)infaces: #xy為左上角的座標,w為寬，h為高，用rectangle為人臉標記畫框 cv2.rectangle(img,(x,y),(x+w,y+w),(255,0,0)) #成功框選則樣本數增加 count+=1 #儲存影象，把灰度圖片看成二維陣列來檢測人臉區域 #(這裡是建立了data的資料夾，當然也可以設定為其他路徑或者呼叫資料庫) cv2.imwrite("data/User."+str(face_id)+'.'+str(count)+'.jpg',gray[y:y+h,x:x+w]) #顯示圖片 cv2.imshow('image',img) #保持畫面的連續。

waitkey方法可以繫結按鍵保證畫面的收放，通過q鍵退出攝像 k=cv2.waitKey(1) ifk=='27': break #或者得到800個樣本後退出攝像，這裡可以根據實際情況修改資料量，實際測試後800張的效果是比較理想的 elifcount>=800: break #關閉攝像頭，釋放資源 cap.realease() cv2.destroyAllWindows() 經博主測試，在執行 「face_detector = cv2.CascadeClssifier(r'C:\Users\admin\Desktop\python\data\haarcascade_frontalface_default.xml')」此語句時，實際路徑中的目錄名儘量不要有中文字元出現，否則容易報錯。

這樣，你的電腦就能看到你啦！ 2.通過演演算法建立對照模型 本次所用的演演算法為opencv中所自帶的演演算法，opencv較新版本中（我使用的是2.4.8）提供了一個FaceRecognizer類，裡面有相關的一些臉部辨識的演演算法及函數介面，其中包括三種臉部辨識演演算法（我們採用的是第三種） 1.eigenface 2.fisherface 3.LBPHFaceRecognizer LBP是一種特徵提取方式，能提取出影象的區域性的紋理特徵，最開始的LBP運算元是在3X3視窗中，取中心畫素的畫素值為閥值，與其周圍八個畫素點的畫素值比較，若畫素點的畫素值大於閥值，則此畫素點被標記為1，否則標記為0。

這樣就能得到一個八位二進位制的碼，轉換為十進位制即LBP碼，於是得到了這個視窗的LBP值，用這個值來反映這個視窗內的紋理資訊。

LBPH是在原始LBP上的一個改進，在opencv支援下我們可以直接呼叫函數直接建立一個LBPH臉部辨識的模型。

我們在前一部分的同目錄下建立一個Python檔案，檔名為trainner.py，用於編寫資料集生成指令碼。

同目錄下，建立一個資料夾，名為trainner，用於存放我們訓練後的識別器。

#-----建立模型、建立資料集-----#-----建立模型、建立資料集----- importos importcv2 importnumpyasnp fromPILimportImage #匯入pillow庫，用於處理影象 #設定之前收集好的資料檔案路徑 path='data' #初始化識別的方法 recog=cv2.face.LBPHFaceRecognizer_create() #呼叫熟悉的人臉分類器 detector=cv2.CascadeClassifier('haarcascade_frontalface_default.xml') #建立一個函數，用於從資料集資料夾中獲取訓練圖片,並獲取id #注意圖片的命名格式為User.id.sampleNum defget_images_and_labels(path): image_paths=[os.path.join(path,f)forfinos.listdir(path)] #新建連個list用於存放 face_samples=[] ids=[] #遍歷圖片路徑，匯入圖片和id新增到list中 forimage_pathinimage_paths: #通過圖片路徑將其轉換為灰度圖片 img=Image.open(image_path).convert('L') #將圖片轉化為陣列 img_np=np.array(img,'uint8') ifos.path.split(image_path)[-1].split(".")[-1]!='jpg': continue #為了獲取id，將圖片和路徑分裂並獲取 id=int(os.path.split(image_path)[-1].split(".")[1]) faces=detector.detectMultiScale(img_np) #將獲取的圖片和id新增到list中 for(x,y,w,h)infaces: face_samples.append(img_np[y:y+h,x:x+w]) ids.append(id) returnface_samples,ids #呼叫函數並將資料餵給識別器訓練 print('Training...') faces,ids=get_images_and_labels(path) #訓練模型 recog.train(faces,np.array(ids)) #儲存模型 recog.save('trainner/trainner.yml') 這就讓電腦認識到你是與眾不同的那顆星~ 3.識別 檢測，校驗，輸出其實都是識別的這一過程，與前兩個過程不同，這是涉及實際使用的過程，所以我們把他整合放在一個統一的一個檔案內。

#-----檢測、校驗並輸出結果----- importcv2 #準備好識別方法 recognizer=cv2.face.LBPHFaceRecognizer_create() #使用之前訓練好的模型 recognizer.read('trainner/trainner.yml') #再次呼叫人臉分類器 cascade_path="haarcascade_frontalface_default.xml" face_cascade=cv2.CascadeClassifier(cascade_path) #載入一個字型，用於識別後，在圖片上標註出物件的名字 font=cv2.FONT_HERSHEY_SIMPLEX idnum=0 #設定好與ID號碼對應的使用者名稱，如下，如0對應的就是初始 names=['初始','admin','user1','user2','user3'] #呼叫攝像頭 cam=cv2.VideoCapture(0) minW=0.1*cam.get(3) minH=0.1*cam.get(4) whileTrue: ret,img=cam.read() gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #識別人臉 faces=face_cascade.detectMultiScale( gray, scaleFactor=1.2, minNeighbors=5, minSize=(int(minW),int(minH)) ) #進行校驗 for(x,y,w,h)infaces: cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2) idnum,confidence=recognizer.predict(gray[y:y+h,x:x+w]) #計算出一個檢驗結果 ifconfidence<100: idum=names[idnum] confidence="{0}%",format(round(100-confidence)) else: idum="unknown" confidence="{0}%",format(round(100-confidence)) #輸出檢驗結果以及使用者名稱 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) #展示結果 cv2.imshow('camera',img) k=cv2.waitKey(20) ifk==27: break #釋放資源 cam.release() cv2.destroyAllWindows() 現在，你的電腦就能識別出你來啦！ 通過其他組合也可以實現開機檢測等多種功能，你學會了嗎？ 下面是博主審稿時的測試結果以及出現的一些問題哦~希望對大家有幫助（呲牙.jpg） 測試結果： 博主審稿測試過程中出現的問題： （1）版本問題 解決方法：經過博主無數次的失敗，提示大家最好安裝python2.7，可以直接使用pipinstallnumpy以及pipinstallopencv-python安裝numpy以及對應python版本的opencv （如果使用的是Anaconda2，pip相關命令可在開始選單Anaconda2資料夾下的AnacondaPrompt中輸入） 點選推文中給出的連結，將github中的檔案下載後放至編譯檔案所在的資料夾下，並更改程式碼中的相關目錄 （2）如果提示「module'objecthasnoattribute'face'」 解決方法：可以輸入pipinstallopencv-contrib-python解決，如果提示需要commission，可以在後面加上--user,即pipinstallopencv-contrib-python--user 如有其它問題歡迎大家隨時聯絡博主呀~~~