纯净、安全、绿色的下载网站

首页|软件分类|下载排行|最新软件|IT学院

当前位置:首页IT学院IT技术

Python人脸识别 Python基于pyopencv人脸识别并绘制GUI界面

铁甲小宝同学   2021-12-07 我要评论
想了解Python基于pyopencv人脸识别并绘制GUI界面的相关内容吗,铁甲小宝同学在本文为您仔细讲解Python人脸识别的相关知识和一些Code实例,欢迎阅读和指正,我们先划重点:Python人脸识别,Python识别人脸,下面大家一起来学习吧。

项目介绍

我们先来看看成果:

首先写了一个能够操作的GUI界面。

其中两个按钮对应相应的功能:

采集人脸:

识别功能:

我可是牺牲了色相五五五五。。。(电脑像素不是很好大家将就一下嘿嘿嘿)

项目思路

本项目是借助于python的一个cv2图像识别库,通过调取电脑的摄像头进行识别人脸并保存人脸图片的功能,然后在通过cv2中的这两个训练工具对保存的人脸图片进行训练(这些都是已经写好的人脸识别算法)我们直接调用就可以。

项目模块

本项目大致细分能分四个模块。

1.人脸采集

通过

cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

对摄像头的图片进行人脸信息的对比,找到人脸的核心区域然后用长方形方框给圈出来,等待指令,并且进行下一步的保存人脸图片:

这些都是我保存好的(我可是牺牲了色相呜呜呜)这些用来进行数据训练。

2.数据训练

将某一目录下的图片转化为数组,获取每张图片中人脸部分的数据保存到事先创建好的列表中,同时获取每张图片的ID,同样保存在事先创建好的列表中,最后将训练后的数据保存。

3.人脸识别

cv2会把训练好的数据放在一个文件中,我们在识别的时候直接调用这个数据和摄像头上面的人脸进行对比。

 上图为训练好的一个文件。

识别效果在上面大家也看到了!!!

4.GUI界面

这个我是通过pyqt来设计了一个简单的GUI界面,配置pyqt环境我在我之前的一篇博客介绍过了——pyqt的介绍

使用了两个简单的button来进行一个可视化。

项目代码

人脸采集

import numpy as np
import cv2
def b():
    print('正在调用摄像头!')
 
    faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
 
    cap = cv2.VideoCapture(0)
    cap.set(3,640) # set Width
    cap.set(4,480) # set Height
 
    while True:
        ret, img = cap.read()
        #将彩色图转为灰度图
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        faces = faceCascade.detectMultiScale(
            gray,
             scaleFactor=1.2,
            minNeighbors=5
            ,
            minSize=(20, 20)
 
        )
 
        for (x,y,w,h) in faces:
            cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
            roi_gray = gray[y:y+h, x:x+w]
            roi_color = img[y:y+h, x:x+w]
 
 
        cv2.imshow('video',img)
 
        k = cv2.waitKey(30) & 0xff
        if k == ord('s'):
            n = input('请输入编号:')
            cv2.imwrite('./data/jm/'+n+'.jpg',roi_gray)
        if k == 27: # press 'ESC' to quit
            break
 
    cap.release()
    cv2.destroyAllWindows()
 
b()

数据训练

import os
import cv2
import sys
from PIL import Image
import numpy as np
 
 
 
def getImageAndLabels(path):
    facesSamples=[]
    ids=[]
    imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
    #检测人脸
    face_detector = cv2.CascadeClassifier('haarcascade_frontalface_alt2.xml')
    #打印数组imagePaths
    print('数据排列:',imagePaths)
    #遍历列表中的图片
    for imagePath in imagePaths:
        #打开图片,黑白化
        PIL_img=Image.open(imagePath).convert('L')
        #将图像转换为数组,以黑白深浅
       # PIL_img = cv2.resize(PIL_img, dsize=(400, 400))
        img_numpy=np.array(PIL_img,'uint8')
        #获取图片人脸特征
        faces = face_detector.detectMultiScale(img_numpy)
        #获取每张图片的id和姓名
        id = int(os.path.split(imagePath)[1].split('.')[0])
        #预防无面容照片
        for x,y,w,h in faces:
            ids.append(id)
            facesSamples.append(img_numpy[y:y+h,x:x+w])
        #打印脸部特征和id
        #print('fs:', facesSamples)
        print('id:', id)
        #print('fs:', facesSamples[id])
    print('fs:', facesSamples)
    #print('脸部例子:',facesSamples[0])
    #print('身份信息:',ids[0])
    return facesSamples,ids
 
if __name__ == '__main__':
    #图片路径
    path='./data/jm/'
    #获取图像数组和id标签数组和姓名
    faces,ids=getImageAndLabels(path)
    #获取训练对象
 
    recognizer=cv2.face.LBPHFaceRecognizer_create()
 
    #recognizer.train(faces,names)#np.array(ids)
    recognizer.train(faces,np.array(ids))
    #保存文件
    recognizer.write('trainer/trainer3.yml')

人脸识别

import cv2
import os
def a():
    #加载识别器
    recognizer = cv2.face.LBPHFaceRecognizer_create()
    recognizer.read('trainer/trainer3.yml')
    #加载分类器
    cascade_path = "haarcascade_frontalface_alt2.xml"
    face_cascade = cv2.CascadeClassifier(cascade_path)
    cam = cv2.VideoCapture(0)
    minW = 0.1*cam.get(3)
    minH = 0.1*cam.get(4)
    font = cv2.FONT_HERSHEY_SIMPLEX
    names = []
    agelist=[21,21,21,21,21,21,22]
    path='./data/jm/'
    imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
    for imagePath in imagePaths:
        id = int(os.path.split(imagePath)[1].split('.')[0])
        names.append(id)
    while True:
        ret, img = cam.read()
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        faces = face_cascade.detectMultiScale(
            gray,
            scaleFactor=1.3,
            minNeighbors=5,
            minSize=(int(minW), int(minH))
        )
        for (x, y, w, h) in faces:
            cv2.rectangle(img, (x , y ), (x + w , y + h ), (225, 0, 0), 2)
            img_id, confidence = recognizer.predict(gray[y:y + h, x:x + w])
            print(img_id,confidence)
            if confidence < 50:
                confidence = "{0}%".format(round(100 - confidence))
            else:
                img_id = "Unknown"
                confidence = "{0}%".format(round(100 - confidence))
            if img_id != "Unknown":
                print('识别成功!!')
            else:
                print('识别失败!!')
            cv2.putText(img, str(img_id), (x, y + h), font, 0.55, (0, 255, 0), 1)
            cv2.putText(img, "18", (x , y + 500), font, 1, (0, 255, 0), 1)
            cv2.putText(img, "18", (x , y +h + 150), font, 1, (0, 255, 0), 1)
     
            cv2.putText(img, str(confidence), (x + 5, y - 5), font, 1, (0, 255, 0), 1)
        cv2.imshow('face', img)
        if cv2.waitKey(5) & 0xFF == 27:
            break
     
    cam.release()
    cv2.destroyAllWindows()

合并GUI

from PyQt5 import QtCore, QtGui, QtWidgets
import cv2
 
class Ui_MainWindow(QtWidgets.QMainWindow):
    def __init__(self):
        super(Ui_MainWindow,self).__init__()
    def setupUi(self, MainWindow):
        MainWindow.setObjectName("MainWindow")
        MainWindow.resize(565, 331)
        self.centralwidget = QtWidgets.QWidget(MainWindow)
        self.centralwidget.setObjectName("centralwidget")
        self.pushButton = QtWidgets.QPushButton(self.centralwidget)
        self.pushButton.setGeometry(QtCore.QRect(70, 190, 111, 61))
        self.pushButton.setObjectName("pushButton")
        self.pushButton_2 = QtWidgets.QPushButton(self.centralwidget)
        self.pushButton_2.setGeometry(QtCore.QRect(310, 190, 121, 61))
        self.pushButton_2.setObjectName("pushButton_2")
        self.label = QtWidgets.QLabel(self.centralwidget)
        self.label.setGeometry(QtCore.QRect(180, 60, 161, 81))
        self.label.setObjectName("label")
        MainWindow.setCentralWidget(self.centralwidget)
        self.menubar = QtWidgets.QMenuBar(MainWindow)
        self.menubar.setGeometry(QtCore.QRect(0, 0, 565, 26))
        self.menubar.setObjectName("menubar")
        MainWindow.setMenuBar(self.menubar)
        self.statusbar = QtWidgets.QStatusBar(MainWindow)
        self.statusbar.setObjectName("statusbar")
        MainWindow.setStatusBar(self.statusbar)
 
        self.retranslateUi(MainWindow)
        QtCore.QMetaObject.connectSlotsByName(MainWindow)
 
    def retranslateUi(self, MainWindow):
        _translate = QtCore.QCoreApplication.translate
        MainWindow.setWindowTitle(_translate("MainWindow", "MainWindow"))
        self.pushButton.setText(_translate("MainWindow", "采集人脸信息"))
        self.pushButton_2.setText(_translate("MainWindow", "开始识别"))
        # self.label.setText(_translate("MainWindow", "结果:"))
        self.pushButton.clicked.connect(self.b)
        self.pushButton_2.clicked.connect(self.final)
 
    def b(self):
        print('正在调用摄像头!')
        print("输入'esc'为退出!!!")
 
        faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
 
        cap = cv2.VideoCapture(0)
        cap.set(3, 640)  # set Width
        cap.set(4, 480)  # set Height
        print("请输入字母's'保存信息!!")
        while True:
            ret, img = cap.read()
            # 将彩色图转为灰度图
            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
            faces = faceCascade.detectMultiScale(
                gray,
                scaleFactor=1.2,
                minNeighbors=5
                ,
                minSize=(20, 20)
 
            )
 
            for (x, y, w, h) in faces:
                cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
                roi_gray = gray[y:y + h, x:x + w]
                roi_color = img[y:y + h, x:x + w]
 
            cv2.imshow('video', img)
 
            k = cv2.waitKey(30) & 0xff
 
            if k == ord('s'):
                n = input('请输入编号:')
                cv2.imwrite('./data/jm/' + n + '.jpg', roi_gray)
            if k == 27:
                break
 
        cap.release()
        cv2.destroyAllWindows()
        print("正在训练!!!")
        self.train()
 
    def final(self):
        import face_zhineng.final_face
        face_zhineng.final_face.a()
 
 
 
    def train(self):
        import cv2
        import numpy as np
        import face_zhineng.training
        # 图片路径
        path = './data/jm/'
        faces, ids = face_zhineng.training.getImageAndLabels(path)
        # 获取训练对象
        recognizer = cv2.face.LBPHFaceRecognizer_create()
        recognizer.train(faces, np.array(ids))
        # 保存文件
        recognizer.write('trainer/trainer3.yml')
        print("训练完毕!!!")
 
 
if __name__ == '__main__':
    import sys
 
    app = QtWidgets.QApplication(sys.argv)
    MainWindow = QtWidgets.QMainWindow()
    ui = Ui_MainWindow()
    ui.setupUi(MainWindow)
    MainWindow.show()
    sys.exit(app.exec_())

项目总结

到此这篇关于Python基于pyopencv人脸识别并绘制GUI界面的文章就介绍到这了。希望对大家的学习有所帮助,也希望大家多多支持。


相关文章

猜您喜欢

  • Vue之MVVM,模板语法和数据绑定 Vue基础之MVVM,模板语法和数据绑定

    想了解Vue基础之MVVM,模板语法和数据绑定的相关内容吗,永远没有404在本文为您仔细讲解Vue之MVVM,模板语法和数据绑定的相关知识和一些Code实例,欢迎阅读和指正,我们先划重点:VueMVVM,Vue模板语法,Vue数据绑定,下面大家一起来学习吧。..
  • C++ STL红黑树实现 C++ STL容器详解之红黑树部分模拟实现

    想了解C++ STL容器详解之红黑树部分模拟实现的相关内容吗,TT在长大在本文为您仔细讲解C++ STL红黑树实现的相关知识和一些Code实例,欢迎阅读和指正,我们先划重点:C++ 红黑树,C++ STL红黑树,C++ STL红黑树实现,下面大家一起来学习吧。..

网友评论

Copyright 2020 www.smartappsoft.com 【智能下载站】 版权所有 软件发布

声明:所有软件和文章来自软件开发商或者作者 如有异议 请与本站联系 点此查看联系方式