欲直接下載代碼文件，關注我們的公眾號哦！查看歷史消息即可！
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 實現高大上的 人臉識別技術 ！
Python里，簡單的人臉識別有很多種方法可以實現，依賴于python 膠水語言 的特性，我們通過調用包可以快速準確的達成這一目的。這里介紹的是準確性比較高的一種。
01 首先
梳理一下實現人臉識別需要進行的步驟：
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，在這里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:小編的寶貝來源已經放在下面鏈接里啦~
推薦：GITHUB
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，在看代碼之前，我們先將整個項目所需要的包羅列一下：
**· CV2(Opencv)：**圖像識別，攝像頭調用
**· os：**文件操作
**· numpy：**NumPy(Numerical Python) 是 Python 語言的一個擴展程序庫，支持大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫
**· PIL：**Python Imaging Library，Python平臺事實上圖像處理的標準庫
02 接下來
2.1 對照人臉獲取
#-----獲取人臉樣本-----
import cv2
#調用筆記本內置攝像頭，參數為0，如果有其他的攝像頭可以調整參數為1,2
cap = cv2.VideoCapture(0)
#調用人臉分類器，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('\n User data input,Look at the camera and wait ...')
#sampleNum用來計數樣本數目
count = 0
while True:
#從攝像頭讀取圖片
success,img = cap.read()
#轉為灰度圖片，減少程序符合，提高識別度
if success is True:
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
else:
break
#檢測人臉，將每一幀攝像頭記錄的數據帶入OpenCv中，讓Classifier判斷人臉
#其中gray為要檢測的灰度圖像，1.3為每次圖像尺寸減小的比例，5為minNeighbors
faces = face_detector.detectMultiScale(gray, 1.3, 5)
#框選人臉，for循環保證一個能檢測的實時動態視頻流
for (x, y, w, h) in faces:
#xy為左上角的坐標,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
#保存圖像，把灰度圖片看成二維數組來檢測人臉區域
#(這里是建立了data的文件夾，當然也可以設置為其他路徑或者調用數據庫)
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方法可以綁定按鍵保證畫面的收放，通過q鍵退出攝像
k = cv2.waitKey(1)
if k == '27':
break
#或者得到800個樣本后退出攝像，這里可以根據實際情況修改數據量，實際測試后800張的效果是比較理想的
elif count >= 800:
break
#關閉攝像頭，釋放資源
cap.realease()
cv2.destroyAllWindows()
經小編測試，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盡量不要有中文字符出現，否則容易報錯。
這樣，你的電腦就能看到你啦！
2.2 通過算法建立對照模型
本次所用的算法為 opencv 中所自帶的算法，opencv較新版本中（我使用的是2.4.8）提供了一個 FaceRecognizer 類，里面有相關的一些人臉識別的算法及函數接口，其中包括三種人臉識別算法（我們采用的是第三種）
1.eigenface
2.fisherface
3.LBPHFaceRecognizer
LBP是一種特征提取方式，能提取出圖像的局部的紋理特征，最開始的LBP算子是在3X3窗口中，取中心像素的像素值為閥值，與其周圍八個像素點的像素值比較，若像素點的像素值大于閥值，則此像素點被標記為1，否則標記為0。這樣就能得到一個八位二進制的碼，轉換為十進制即LBP碼，于是得到了這個窗口的LBP值，用這個值來反映這個窗口內的紋理信息。
LBPH是在原始LBP上的一個改進，在opencv支持下我們可以直接調用函數直接創建一個LBPH人臉識別的模型。
我們在前一部分的同目錄下創建一個Python文件，文件名為trainner.py，用于編寫數據集生成腳本。同目錄下，創建一個文件夾，名為trainner，用于存放我們訓練后的識別器。
#-----建立模型、創建數據集-----#-----建立模型、創建數據集-----
import os
import cv2
import numpy as np
from PIL import Image
#導入pillow庫，用于處理圖像
#設置之前收集好的數據文件路徑
path = 'data'
#初始化識別的方法
recog = cv2.face.LBPHFaceRecognizer_create()
#調用熟悉的人臉分類器
detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
#創建一個函數，用于從數據集文件夾中獲取訓練圖片,并獲取id
#注意圖片的命名格式為User.id.sampleNum
def get_images_and_labels(path):
image_paths = [os.path.join(path,f) for f in os.listdir(path)]
#新建連個list用于存放
face_samples = []
ids = []
#遍歷圖片路徑，導入圖片和id添加到list中
for image_path in image_paths:
#通過圖片路徑將其轉換為灰度圖片
img = Image.open(image_path).convert('L')
#將圖片轉化為數組
img_np = np.array(img,'uint8')
if os.path.split(image_path)[-1].split(".")[-1] != 'jpg':
continue
#為了獲取id，將圖片和路徑分裂并獲取
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
#調用函數并將數據喂給識別器訓練
print('Training...')
faces,ids = get_images_and_labels(path)
#訓練模型
recog.train(faces,np.array(ids))
#保存模型
recog.save('trainner/trainner.yml')
這就讓電腦認識到你是與眾不同的那顆星~
2.3 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文件內。
#-----檢測、校驗并輸出結果-----
import
cv2
#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'
)
#再次調用人臉分類器
cascade_path
=
"haarcascade_frontalface_default.xml"
face_cascade
=
cv2
.
CascadeClassifier
(
cascade_path
)
#加載一個字體，用于識別后，在圖片上標注出對象的名字
font
=
cv2
.
FONT_HERSHEY_SIMPLEX
idnum
=
0
#設置好與ID號碼對應的用戶名，如下，如0對應的就是初始
names
=
[
'初始'
,
'admin'
,
'user1'
,
'user2'
,
'user3'
]
#調用攝像頭
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
)
#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
)
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
]
)
#計算出一個檢驗結果
if
confidence
<
100
:
idum
=
names
[
idnum
]
confidence
=
"{0}%"
,
format
(
round
(
100
-
confidence
)
)
else
:
idum
=
"unknown"
confidence
=
"{0}%"
,
format
(
round
(
100
-
confidence
)
)
#輸出檢驗結果以及用戶名
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
)
#展示結果
cv2
.
imshow
(
'camera'
,
img
)
k
=
cv2
.
waitKey
(
20
)
if
k
==
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？
下面是小編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
小編審稿測試過程中出現的問題：
（1）版本問題
**解決方法：**經過小編無數次的失敗，提示大家最好安裝python2.7，可以直接使用 pip install numpy 以及pip install opencv-python安裝numpy 以及對應python版本的opencv
（如果使用的是Anaconda2，pip相關命令可在開始菜單Anaconda2文件夾下的Anaconda Prompt中輸入）
點擊推文中給出的鏈接，將github中的文件下載后放至編譯文件所在的文件夾下，并更改代碼中的相關目錄
（2）如果提示“module’ object has no attribute ‘face’”
**解決方法：**可以輸入 pip install opencv-contrib-python解決，如果提示需要commission，可以在后面加上 --user,即 pip install opencv-contrib-python --user
如有其它問題歡迎大家隨時聯系我們呀
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
