21xrx.com
2024-11-05 21:41:39 Tuesday
登录
文章检索 我的文章 写文章
用Python编写的OpenCV人脸识别程序
2023-07-28 07:53:20 深夜i     --     --
Python OpenCV 人脸识别程序

OpenCV是一个广泛使用于计算机视觉领域的开源库，它提供了许多用于图像处理和分析的函数和工具。在这个快节奏的世界中，安全一直是一个重要的关注点。为了确保安全，人脸识别技术成为了一个热门话题。本文将介绍如何使用Python编写基于OpenCV的人脸识别程序。

首先，你需要安装Python和OpenCV库。使用pip命令在命令行中输入以下命令来安装它们：



pip install opencv-python

一旦安装完成，你可以开始编写代码了。在使用前，你需要准备一张人脸图像作为参考，这将用于训练你的人脸识别模型。将该图像保存在你的项目目录中，并命名为“reference.jpg”。

接下来，导入必要的库，包括cv2、numpy和PIL库，以及人脸识别模型。代码如下所示：

python

import cv2


import numpy as np


from PIL import Image


# 导入人脸识别模型


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


# 导入参考图像并将其转换为灰度图像


reference_image = Image.open('reference.jpg').convert('L')


reference_np = np.array(reference_image, 'uint8')


# 初始化人脸识别器


recognizer = cv2.face.LBPHFaceRecognizer_create()


# 初始化人脸标签列表


face_labels = []

然后，我们需要训练人脸识别模型。使用以下代码来实现：

python

def train_model():


  # 打开一个视频捕获对象


  video_capture = cv2.VideoCapture(0)


  # 初始化一个计数器


  count = 0


  # 循环读取摄像头捕获的图像帧


  while True:


    # 读取当前帧


    ret, frame = video_capture.read()


    # 将当前帧转换为灰度图像


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


    # 检测人脸


    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.5, minNeighbors=5)


    for (x, y, w, h) in faces:


      # 保存人脸图像


      roi_gray = gray[y:y + h, x:x + w]


      cv2.imwrite(f'faces/face{count}.jpg', roi_gray)


      # 添加标签


      face_labels.append(count)


      # 绘制矩形框和标签


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


      cv2.putText(frame, f'Face {count}', (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)


      # 计数器加一


      count += 1


    # 显示图像


    cv2.imshow('Video', frame)


    # 按下'q'退出循环


    if cv2.waitKey(1) & 0xFF == ord('q'):


      break


  # 释放视频捕获对象和窗口


  video_capture.release()


  cv2.destroyAllWindows()


  # 训练人脸识别模型


  recognizer.train(faces, np.array(face_labels))


  recognizer.save('model.yml')

训练完成后，我们可以使用以下代码来测试人脸识别模型：

python

def recognize_faces():


  # 打开一个视频捕获对象


  video_capture = cv2.VideoCapture(0)


  # 加载刚才训练的模型


  recognizer.read('model.yml')


  # 循环读取摄像头捕获的图像帧


  while True:


    # 读取当前帧


    ret, frame = video_capture.read()


    # 将当前帧转换为灰度图像


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


    # 检测人脸


    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.5, minNeighbors=5)


    for (x, y, w, h) in faces:


      # 绘制矩形框


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


      # 识别人脸并返回标签和置信度


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


      # 根据置信度判断是否为已知人脸


      if confidence < 50:


        # 绘制标签


        cv2.putText(frame, f'Face {label}', (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)


      else:


        cv2.putText(frame, 'Unknown', (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)


    # 显示图像


    cv2.imshow('Video', frame)


    # 按下'q'退出循环


    if cv2.waitKey(1) & 0xFF == ord('q'):


      break


  # 释放视频捕获对象和窗口


  video_capture.release()


  cv2.destroyAllWindows()

通过调用这两个函数，我们可以开始训练和测试我们的人脸识别程序。这只是一个简单的示例，你可以根据自己的需求来优化和扩展它。人脸识别技术的应用范围非常广泛，可以用于身份验证、安防监控等领域。希望本文能够对你进一步了解OpenCV和人脸识别有所帮助。

  
  

评论区

{{item['qq_nickname']}}
()
回复
回复