昨晚我熬夜了，只為教會你如何分分鐘自制人臉識別，全程乾貨

透過最近的學習感觸頗多，大資料，人工智慧，分散式，雲計算，基於雲的雲安全，萬物互聯真的是未來大方向！所謂的web開發，伺服器後端其實只是一個開始，玩了python 後端也在體驗spring全家桶（學習ing）只要做一個像樣的“萬人會話”基本上都不會只是靠那一套“增刪改查”能夠實現的，都會涉及到併發，並行，但是想要做好又涉及到分散式，微服架構等等。

此外還有更多的服務細節，例如如何實時分析使用者喜好從而推送對應的內容等等。這些與大資料聯絡密切，與分散式計算聯絡緊密。

當然也從這裡我意識到python 並不適合，且不論效能，單從這裡就可以看到在這一方面python的方案並不如Java，儘管它也有所選擇。

不過好在的是python憑藉著豐富的類庫，在機器學習，人工智慧這塊使用起來的簡便性讓它魅力依舊，當然這裡且不論底層。

# 環境

1。python 3。7 2。opencv

這個的話目前其實還是簡單的介面呼叫。

使用的函式介面

鐵打的API，流水的程式設計師呀！

import cv2。cv2 as cv

cv。imread（） #讀取圖片

cv。cvtColot（） #圖片顏色處理（灰度處理）

cv。imwrite（） #儲存圖片

cv。imshow（） #展示圖片

cv。waitKey（） #視窗展示（其實是等待鍵盤輸入，IO阻塞）停留傳入時間毫秒，返回鍵盤按下的鍵位的ascll值

cv。resize（） #修改圖片大小

cv。rectangle（） #繪製矩形

cv。circle（） #繪製圓形

cv。CascadeClassifier（）#使用訓練模型

cv。VideoCapture（） #讀取影片0表示讀取攝像頭

face。LBPHFaceRecognizer_create（） #資料訓練

cv。destoryAllWindows（） #釋放記憶體

流程

這裡的話主要分為兩個大步走

1。讀取圖片/影片內的人臉資訊，識別人臉位置（框出人臉位置） 2。將識別出的人臉進行比對（特徵提取）

人臉檢測部分

圖片讀取/尺寸修改

import cv2。cv2 as cv

Image = cv。imread（“Image/face1。jpg”）

cv。imshow（“Image”，Image）

Image_resize = cv。resize（Image，dsize=（200，200））

cv。imshow（“ResizeImage”，Image_resize）

cv。waitKey（0）

cv。destroyAllWindows（）

圖片矩形標註

import cv2。cv2 as cv

img = cv。imread（‘Image/face1。jpg’）

x，y，w，h = 100，100，100，100 #起始座標

#繪製矩形

cv。rectangle（img，（x，y，x+w，y+h），color=（0，0，255），thickness=1） # 方框顏色，粗細

#繪製圓形

cv。circle（img，center=（x+w，y+h），radius=100，color=（255，0，0），thickness=5）

#顯示

cv。imshow（‘re_img’，img）

cv。waitKey（0）

cv。destroyAllWindows（）

人臉檢測

#匯入cv模組

import cv2。cv2 as cv

import cv2。data as data

#讀取影象

img = cv。imread（‘Image/face1。jpg’）

gary = cv。cvtColor（img，cv。COLOR_BGR2GRAY）

face_detect = cv。CascadeClassifier（data。haarcascades+“haarcascade_frontalface_alt2。xml”）

face = face_detect。detectMultiScale（gary）

for x，y，w，h in face：

cv。rectangle（img，（x，y），（x+w，y+h），color=（0，0，255），thickness=2）

cv。imshow（‘result’，img）

cv。waitKey（0）

#釋放記憶體

cv。destroyAllWindows（）

函式說明

gary = cv。cvtColor（img，cv。COLOR_BGR2GRAY） 二值化處理圖片

face_detect = cv。CascadeClassifier（data。haarcascades+“

haarcascade_frontalface_alt2。xml”） 這個是載入使用人家訓練好的提取頭像的模型幫助我們提取出圖片的人臉，此外還有還有提取人眼的，等等。

face =

face_detect。detectMultiScale（gary）按照模型提取出人臉的大小位置，返回一個元組

重點

face = face_detect。detectMultiScale（gary，1。01，5，0，（100，100），（300，300））

還可以這樣用，1。01表示圖片縮放倍數

5對比次數，意思是對比了五次還是一樣的話就認為是人臉

0預設引數不用管，加上

（100，100） （300，300） 表示人臉的範圍，這個可以設定

這些引數都可以不設定，直接使用預設的

face_detect = cv。CascadeClassifier（data。haarcascades+“haarcascade_frontalface_alt2。xml”）

這裡載入的模型其實是在虛擬環境下的site-pakges裡面找到的

此外如果你安裝了opencv的話那麼你也可以在opencv的安裝目錄找到，到時候你要用哪個就搞哪個。 例如我安裝在D盤

face_detect = cv。CascadeClassifier（‘D：/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2。xml’）

我直接填寫路徑 這邊推薦直接使用預設的。

face_detect =

cv。CascadeClassifier（data。haarcascades+“haarcascade_frontalface_default。x”）

讀取影片標註人臉

cap = cv。VideoCapture（0） 讀取攝像頭

#匯入cv模組

import cv2。cv2 as cv

import cv2。data as data

import time

#檢測函式

def face_detect_demo（img）：

gary = cv。cvtColor（img，cv。COLOR_BGR2GRAY）

face_detect = cv。CascadeClassifier（data。haarcascades+“haarcascade_frontalface_default。xml”）

face = face_detect。detectMultiScale（gary）

for x，y，w，h in face：

cv。rectangle（img，（x，y），（x+w，y+h），color=（0，0，255），thickness=2）

cv。imshow（‘result’，img）

cap = cv。VideoCapture（0）

while True：

flag， img = cap。read（）

if not flag：

break

face_detect_demo（img）

if ord（‘q’） == cv。waitKey（1）：

break

cap。release（） #釋放視像頭記憶體

#釋放記憶體

cv。destroyAllWindows（）

當前是讀取攝像頭的影片資訊，如果直接填入路徑的話那麼就會讀取到影片的內容進行人臉標註

人臉識別

到目前為止已經可以把人臉從影片或者圖片當中摳下來了（其實噹噹前步驟已經可以實現前些日子比較火熱的AI外掛了，不過目前使用的識別模型不咋滴，如果要用得專門訓練一下，然後結合外設驅動，我們這邊返回獲取的人頭的座標，更具遊戲特色我們還得計算一下槍械的後座偏移量然後驅動游標瞄準射擊。外掛的原理其實也類似，只是人家的座標是直接在記憶體裡面抓到的，不是我們這樣還要透過人臉識別）

人臉資訊錄入

搞人臉識別那必然還是要錄入人臉資訊的，這裡有兩個方案，一個是直接準備好圖片（就是需要錄入的人臉的照片）或者透過攝像頭錄入，由於我們識別的時候要調取攝像頭所以建議從攝像頭裡面開始錄入。第一個方案准備照片就好了，第二個方案看下面程式碼即可：

import cv2。cv2 as cv2

import os

import threading

name = None

save_flag = False

lock = threading。Lock（）

def input_name（）：

global name，save_flag

while 1：

if name ==“Q” or name==“q”：

return

else：

name=input（“\n：”）

save_flag = True

def Get_Face（）：

global name，save_flag

cap = cv2。VideoCapture（0）

num = 1

Path_save = r“Image/InPutImg/”

if not os。path。exists（Path_save）：

os。makedirs（Path_save）

while（1）：

ret_flag，VImg = cap。read（）

cv2。imshow（“Capture_Test”，VImg）

cv2。waitKey（1）

lock。acquire（）

if name：

if name == “Q” or name == “q”：

lock。release（）

return

if save_flag：

cv2。imwrite（Path_save+str（num）+“。”+name+“。jpg”，VImg）

print（“\n圖片已儲存：”+str（num）+“。”+name+“。jpg”）

num += 1

save_flag = False

lock。release（）

cap。release（）

cv2。destroyAllWindows（）

if __name__==“__main__”：

t1 = threading。Thread（target=Get_Face）

t2 = threading。Thread（target=input_name）

t1。start（）

t2。start（）

這裡為了控制輸入額外開了個執行緒，不過顯示沒法做到同步，做了就堵死了~ 之後在專案的資料夾下會多出一個檔案

裡面儲存了在攝像頭拍攝的人臉。

資料訓練

一個個重複先前的步驟 把獲取的圖片提取出來人臉，然後把對應的人臉和人物的id進行訓練

import os

import cv2。cv2 as cv

import numpy as np

import cv2。data as data

def getImageIds（path）：

#函式作用是提取人臉然後返回人物的人臉和id

faceseare=［］ # 儲存檢測出的人臉

ids=［］ #

imagePaths=［os。path。join（path，f） for f in os。listdir（path）］

#人臉檢測

face_detector = cv。CascadeClassifier（data。haarcascades+“haarcascade_frontalface_default。xml”）

if imagePaths：

print（‘訓練圖片為：’，imagePaths）

else：

print（“請先錄入人臉”）

return

for imagePath in imagePaths：

#二值化處理

img = cv。imread（imagePath）

img=cv。cvtColor（img，cv。COLOR_BGR2GRAY）

img_numpy=np。array（img，‘uint8’）#獲取圖片矩陣

faces = face_detector。detectMultiScale（img_numpy）

id = int（os。path。split（imagePath）［1］。split（‘。’）［0］）

for x，y，w，h in faces：

ids。append（id）

faceseare。append（img_numpy［y：y+h，x：x+w］）

print（‘已獲取id：’， id）

return faceseare，ids

if __name__ == ‘__main__’：

#圖片路徑

path=‘Image/InPutImg’

#獲取影象陣列和id標籤陣列和姓名

faces，ids=getImageIds（path）

#獲取訓練物件

recognizer=cv。face。LBPHFaceRecognizer_create（）

recognizer。train（faces，np。array（ids）） #把對應的人臉和id聯絡起來訓練

#儲存訓練檔案

model_save = “trainer/”

if not os。path。exists（model_save）：

os。makedirs（model_save）

recognizer。write（‘trainer/trainer。yml’）

人臉識別

這個就是最後一步了，主要其實就是透過評分進行識別

import cv2。cv2 as cv

import os

import cv2。data as data

recogizer=cv。face。LBPHFaceRecognizer_create（）#載入訓練資料集檔案

recogizer。read（‘trainer/trainer。yml’）

names=［］

warningtime = 0

#準備識別的圖片

def face_detect_demo（img）：

global warningtime

gray=cv。cvtColor（img，cv。COLOR_BGR2GRAY）

face_detector=cv。CascadeClassifier（data。haarcascades+“haarcascade_frontalface_default。xm”）

face=face_detector。detectMultiScale（gray）

for x，y，w，h in face：

cv。rectangle（img，（x，y），（x+w，y+h），color=（0，0，255），thickness=2）

cv。circle（img，center=（x+w//2，y+h//2），radius=w//2，color=（0，255，0），thickness=1）

# 人臉識別

ids， confidence = recogizer。predict（gray［y：y + h， x：x + w］）

if confidence > 80： #評分越大可信度越低

warningtime += 1

if warningtime > 100：

warningtime = 0

print（“未識別出此人”） #這塊的話其實可以再搞一套對應的懲罰機制

cv。putText（img， ‘unkonw’， （x + 10， y - 10）， cv。FONT_HERSHEY_SIMPLEX， 0。75， （0， 255， 0）， 1）

else：

#這裡也對應一套識別後的機制

cv。putText（img，str（names［ids-1］）， （x + 10， y - 10）， cv。FONT_HERSHEY_SIMPLEX， 0。75， （0， 255， 0）， 1）

cv。imshow（‘result’，img）

def get_name（names）：

path = ‘Image/InPutImg/’

imagePaths=［os。path。join（path，f） for f in os。listdir（path）］

for imagePath in imagePaths：

name = str（os。path。split（imagePath）［1］。split（‘。’，2）［1］）

names。append（name）

cap=cv。VideoCapture（0）

get_name（names）

while True：

flag，frame=cap。read（）

if not flag：

break

face_detect_demo（frame）

if ord（‘ ’） == cv。waitKey（10）： #按下空格關了

break

cap。release（）

cv。destroyAllWindows（）

下面是演示。 1。已錄入圖片

1。lena。jpg

到這裡一個最基本的識別就做好了，那麼關於這裡面的懲罰機制或者透過識別後的機制其實，如果可以結合樹莓派的話是可以自己做一個寢室專用的門禁系統的。：

作者：Huterox

連結：

https：//

juejin。cn/post/70450917

79137241102