Python人脸检查识别代码详解（完整版）

#在这个python文件中，训练识别人脸
#我们使用的是openCV库提供的默认识别器
#我们还使用os模块来查找图像的目录
#我们将使用名为cv2.face.LBPHFaceRecognizer_create（）的函数来实现识别器
#然后我们将使用Python pillow库从目录中加载图像
#我们还将使用Pickle库来存储标签 

项目如图

Face_Recognition_Trainaing.py文件

#________________________Lets start the project_______________________#

# Importing Modules necessary for the Training
import cv2
import os
import numpy
from PIL import Image
import pickle

#Determining the Base or root directory where our python file is present
#确定python文件所在的基目录或根目录
BaseDirectory = os.path.dirname( os.path.abspath(__file__))
print(BaseDirectory)

#我们在操作系统库的帮助下找到了工作目录
#初始化Images文件夹的路径
ImageDirectory = os.path.join(BaseDirectory,"Training Data")
print(ImageDirectory)

#As the path of the image directory is been found out
# We are going to create an recognizer
#创建LBPH识别器并开始训练，当然也可以选择Eigen或者Fisher识别器
Recogniser =cv2.face.LBPHFaceRecognizer_create()

#Recogniser is created
#加载Face Casecade或haarcascade文件来预测图像中的人脸
FaceCascade = cv2.CascadeClassifier('haarcascade_frontalface_alt2.xml')

#Now the Haarcascade.xml file is loaded

# 创建一个变量CurrentID来初始化我们必须跟踪的图片的id
CurrentId = 0 

#创建字典以存储具有相应标签ID的标签名称
LabelID = {}

#创建列表以存储标签id数据
YLabel=[]
#创建列表以数组的形式存储图像
XTrain=[]

#现在在找到的映像目录中运行循环
for root , dir, files in os.walk(ImageDirectory):
    
    # running another loop across files in files that has been found
    for file in files:
        
        #实现If语句以仅捕获.jpg文件
        if file.endswith('jpg'):

            # 对于该特定文件，有一个名为persons Name的文件夹
            # #文件夹名初始化为标签名
            label = os.path.basename(root)

            # 添加根目录和文件名以创建文件的完整路径
            path = os.path.join(root ,file)
            print(path) 
            print(label)

            # 检查标签是否已用ID初始化如果未初始化ID
            if not label in LabelID:
                
                #Initialising to the label
                LabelID[label]= CurrentId
                
                # Incrementing the ID
                CurrentId += 1

            ID = LabelID[label]

            # Now Pillow library is used
            # Pillow 模块中的图像对象用于通过给定路径打开图像
            # 平行图像被转换成灰度

            OriginalImage = Image.open(path).convert("L")
            ##正在调整图像大小以更好地理解

            OriginalImage = OriginalImage.resize((550 , 550) , Image.ANTIALIAS )  
            
            # 将图像转换为numpy数组
            ImageArray = numpy.array(OriginalImage,"uint8")
            print(ImageArray)      
            print(LabelID)

            #使用FaceCascade 检测图像中的多个人脸
            Faces = FaceCascade.detectMultiScale(ImageArray , 1.3 , 5)
            
            for x,y,w,h in Faces:

                    # Finding the region of intrest     
                    ROI = ImageArray[y:y+h , x:x+w]
                    
                    # Appending the region of intrest in to Xtrain List
                    XTrain.append(ROI)

                    #Appending ID in to label list
                    YLabel.append(ID)
print(YLabel)
#print(XTrain)                    

# 现在标签被写入一个pickel文件，可以在识别时进一步使用
with open('Label.pickle' , 'wb') as file:
    pickle.dump(LabelID , file)

#为给定的带有标签id的图像设置训练计算机
Recogniser.train( XTrain ,numpy.array(YLabel))

#将训练过的数据保存到.yml文件中，以便识别
Recogniser.save('Training.yml')

FaceRecognition.py文件 

import cv2#下载opencv-contrib-python
import numpy
import pickle
#打开摄像头
Webcam  = cv2.VideoCapture(0)
# 加载OpenCV人脸检测分类器Haar
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_alt2.xml')

Recognizer  = cv2.face.LBPHFaceRecognizer_create()
Recognizer.read('Training.yml')

Labels = {}

with open('Label.pickle' , 'rb') as file:
    OriginalLabel = pickle.load(file)
    Labels = {v:k for k,v in OriginalLabel.items()}

while (True):
    Return ,Frame =Webcam.read() #读取该帧的画面
    Frame = cv2.flip(Frame , 1)

    GrayScale = cv2.cvtColor(Frame , cv2.COLOR_BGR2GRAY)# 6灰度处理
    Faces = face_cascade.detectMultiScale(GrayScale , 1.3 ,5)# 检查人脸
    for X,Y,W,H in Faces:
        ROI_GRAY = GrayScale[Y:Y+H , X:X+W]
        ROI_COLOR = Frame[Y:Y+H , X:X+W]

        ID , Confidence = Recognizer.predict(ROI_GRAY)#预测函数
        if Confidence >= 45:
            print(Labels[ID])
            cv2.putText(Frame , Labels[ID],(X,Y) , cv2.FONT_HERSHEY_SIMPLEX , 1,(0,0,255),2)
        cv2.rectangle(Frame , (X,Y) , (X+W , Y+H) , (255 , 0 , 0) , 1)
    # 9显示图片
    cv2.imshow('Image'  , Frame)
    # 10暂停窗口
    if cv2.waitKey(1) == ord('q'):
        break
# 11释放资源
Webcam.release()
# #12销毁窗口
cv2.destroyAllWindows()

运行结果：

参考：https://www.cnblogs.com/ningxinjie/p/11542950.html

为什么使用yml文件https://blog.csdn.net/sereasuesue/article/details/1052942364

Python数据存储：pickle模块的使用讲解https://blog.csdn.net/sereasuesue/article/details/105293917