#----- 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 ，外汇跟单gendan5.com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()