一、需要准备的材料
1.笔记本电脑（带有摄像头的电脑）
2.python3.x（本文使用的是3.6），pycharm
3.第三方包的安装准备
二、安装第三方包
1.opencv 的安装，输入：pip install opencv-python
注：numpy与OpenCV绑定安装，无需自己输入命令。
2.pillow的安装，输入： pip install pillow
注：pillow为图像处理包。
3.contrib的安装，输入：pip install opencv-contrib-python
注：contrib是opencv的一个库，大致用于处理3d识别
三、人脸识别的程序实现
1.FaceDetection，人脸检测
注：1.人脸识别分类器的路径在你安装的python目录下，一般来讲，在python3.x\Lib\site-packages\cv2\data中（如果是虚拟环境，就在虚拟环境\Lib\site-packages\cv2\data中），注意是绝对路径。（如果嫌目录太长，可以将分类器和程序放在一起，不过不推荐哈！！！具体自己酌情考虑。）
注：2.经过我的慎重考虑，这里就不放出我的人脸了，请各位读者自行尝试，大概就是一个蓝色的矩形框住你的脸，两个绿色的矩形框住你的眼睛，按esc可退出。
import numpy as np
import cv2
# 人脸识别分类器
faceCascade = cv2.CascadeClassifier(r'C:\Users\xiaomi\Envs\FaceRecognitionProj\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml')
# 识别眼睛的分类器
eyeCascade = cv2.CascadeClassifier(r'C:\Users\xiaomi\Envs\FaceRecognitionProj\Lib\site-packages\cv2\data\haarcascade_eye.xml')
# 开启摄像头
cap = cv2.VideoCapture(0)
ok = True
while ok:
# 读取摄像头中的图像，ok为是否读取成功的判断参数
ok, img = cap.read()
# 转换成灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 人脸检测
faces = faceCascade.detectMultiScale(
gray,
scaleFactor=1.2,
minNeighbors=5,
minSize=(32, 32)
)
# 在检测人脸的基础上检测眼睛
result = []
for (x, y, w, h) in faces:
fac_gray = gray[y: (y + h), x: (x + w)]
# result = []
eyes = eyeCascade.detectMultiScale(fac_gray, 1.3, 2)
# 眼睛坐标的换算，将相对位置换成绝对位置
for (ex, ey, ew, eh) in eyes:
result.append((x + ex, y + ey, ew, eh))
# 画矩形
for (x, y, w, h) in faces:
cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
for (ex, ey, ew, eh) in result:
cv2.rectangle(img, (ex, ey), (ex + ew, ey + eh), (0, 255, 0), 2)
cv2.imshow('video', img)
k = cv2.waitKey(1)
if k == 27: # press 'ESC' to quit
break
cap.release()
cv2.destroyAllWindows()
2.FaceDataCollect，人脸数据收集
注：1.在运行该程序前，请先在项目根目录创建一个Facedata文件夹
注：2.程序运行过程中，会提示你输入id标识，建议用名字拼音标识，运行一次会创建一个该名称拼音的文件夹，并收集一组人脸的数据。
注：3.程序运行时间可能会比较长，可能会有几分钟，如果嫌长，可以将 #得到1000个样本后退出摄像 这个注释前的1000，改小一些，如：100。
如果实在等不及，可按esc退出，但可能会导致数据不够模型精度下降。
import cv2
import os
# 调用笔记本内置摄像头，所以参数为0，如果有其他的摄像头可以调整参数为1，2
cap = cv2.VideoCapture(0)
face_detector = cv2.CascadeClassifier(r'C:\Users\xiaomi\Envs\FaceRecognitionProj\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml')
face_id = input('\n enter user id:')
print('\n Initializing face capture. Look at the camera and wait ...')
count = 0
# 给每个用户单独创建目录
os.makedirs("Facedata\\User_" + str(face_id))
while True:
# 从摄像头读取图片
sucess, img = cap.read()
# 转为灰度图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 检测人脸
faces = face_detector.detectMultiScale(gray, 1.3, 5)
for (x, y, w, h) in faces:
cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0))
count += 1
# 保存图像
cv2.imwrite("Facedata\\User_" + str(face_id) + '\\' + str(count) + '.jpg', gray[y: y + h, x: x + w])
cv2.imshow('image', img)
# 保持画面的持续。
k = cv2.waitKey(1)
if k == 27: # 通过esc键退出摄像
break
elif count >= 1000: # 得到1000个样本后退出摄像
break
# 关闭摄像头
cap.release()
cv2.destroyAllWindows()
3.face_training，人脸数据训练
注：1.运行该程序前，请在项目根目录下创建face_trainer文件夹。
import numpy as np
from PIL import Image
import os
import cv2
# 人脸数据路径
path = 'Facedata\\User_jiamiaohao'
recognizer = cv2.face.LBPHFaceRecognizer_create()
detector = cv2.CascadeClassifier(r"C:\Users\xiaomi\Envs\FaceRecognitionProj\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml")
def getImagesAndLabels(path):
imagePaths = [os.path.join(path, f) for f in os.listdir(path)] # join函数的作用？
faceSamples = []
ids = []
for imagePath in imagePaths:
PIL_img = Image.open(imagePath).convert('L') # convert it to grayscale
img_numpy = np.array(PIL_img, 'uint8')
print(os.path.split(imagePath)[-1].split("_")[1])
id = int(os.path.split(imagePath)[-1].split("_")[1].split(".")[0])
# id = int(os.path.split(imagePath)[-1].split("_")[1])
faces = detector.detectMultiScale(img_numpy)
for (x, y, w, h) in faces:
faceSamples.append(img_numpy[y:y + h, x: x + w])
ids.append(id)
return faceSamples, ids
print('Training faces. It will take a few seconds. Wait ...')
faces, ids = getImagesAndLabels(path)
recognizer.train(faces, np.array(ids))
recognizer.write(r'face_trainer\trainer.yml')
print("{0} faces trained. Exiting Program".format(len(np.unique(ids))))
4.face_recognition，人脸检测
注：1.最终效果为一个绿框，框住人脸，左上角为红色的人名，左下角为黑色的概率。
import cv2
recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('face_trainer/trainer.yml')
cascadePath = r"C:\Users\xiaomi\Envs\FaceRecognitionProj\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml"
faceCascade = cv2.CascadeClassifier(cascadePath)
font = cv2.FONT_HERSHEY_SIMPLEX
idnum = 0
# names = ['jiamiaohao']
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)
faces = faceCascade.detectMultiScale(
gray,
scaleFactor=1.2,
minNeighbors=5,
minSize=(int(minW), int(minH))
)
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])
# print(idnum,confidence)
idnum = "unknown"
confidence = "{0}%".format(round(100 - confidence))
print(confidence)
# if confidence < 100:
# idnum = names[idnum]
# confidence = "{0}%".format(round(100 - confidence))
# else:
# idnum = "unknown"
# confidence = "{0}%".format(round(100 - confidence))
cv2.putText(img, str(idnum), (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)
cv2.imshow('camera', img)
k = cv2.waitKey(10)
if k == 27:
break
cam.release()
cv2.destroyAllWindows()
五，结语
在这里我要感谢null_wfb的个人博客的技术支持，
照着他的步骤成功的完成了人脸识别，改动地方不多，希望能对你们有帮助！
