人脸检测 + 数据训练 + 人脸识别

准备工作：
安装opencv

pip install opencv

安装opencv-contrib

pip install opencv-contrib

创建文件夹，文件结构为：
在这里插入图片描述

一、编写一个基础的人脸识别

import cv2 as cv

def face_detect_demo():
# ----------------------------------------------将图片灰度化----------------------------------------------
        gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
        # 加载特征数据
        face_detector = cv.CascadeClassifier('C:/Program Files (x86)/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
        faces = face_detector.detectMultiScale(gray)
        for x, y, w, h in faces:
            cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 255, 0), thickness=2)
        cv.imshow('result',img)

#加载图片
img = cv.imread('C:/Users/Administrator/Desktop/my.jpg')
face_detect_demo()
cv.waitKey(0)
cv.destroyAllWindows()

二、下载或者使用自己照片当训练素材

照片放在data下面的jm文件夹下面，照片名称是我们后面使用到的ID，命名要规范，后缀要一致。如下：
在这里插入图片描述

我10张照片里面选了 1-3为马云的,4-7为普京的,8-10是周杰伦的照片。进行训练识别。

三、编写训练代码：

import cv2
import os
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)]
    print(imagePaths)
    # 检测人脸
    face_detector = cv2.CascadeClassifier(
        'C:/Program Files (x86)/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')

    # 遍历列表中的图片
    for imagePath in imagePaths:
        # 打开图片
        PIL_img = Image.open(imagePath).convert('L')
        # 将图像转换为数组
        img_numpy = np.array(PIL_img,'uint8')
        faces = face_detector.detectMultiScale(img_numpy)
        # 获取每张图片的id
        print(os.path.split(imagePath))
        id = int(os.path.split(imagePath)[1].split('.')[0])
        for x,y,w,h in faces:
            facesSamples.append(img_numpy[y:y+h,x:x+w])
            ids.append(id)
    return facesSamples,ids


if __name__== '__main__':
    #图片路径
    path = './data/jm/'
    #获取图像 数组和id标签
    faces,ids=getImageAndLabels(path)
    #获取循环对象
    recognizer = cv2.face.LBPHFaceRecognizer_create()
    recognizer.train(faces,np.array(ids))
    #保存文件
    recognizer.write('trainer/trainer.yml')

运行代码后就会生成一个yml文件，这个文件路径我设置在trainer文件夹下面。
五、编写人脸识别代码：

import cv2
import numpy as np
import os

# 1-3,4-7,8-10
names = ['','MY','MY','MY','president:pitin','president:pitin','president:pitin','president:pitin','jay','jay','jay',]


# 加载训练数据和文件
recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('trainer/trainer.yml')
#准备识别的图片
img = cv2.imread('C:/Users/Administrator/Desktop/6.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
face_detector = cv2.CascadeClassifier('C:/Program Files (x86)/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
faces = face_detector.detectMultiScale(gray,minNeighbors=30)
for x,y,w,h in faces:
    id, confidence = recognizer.predict(gray[y:y + h, x:x + w]) # 人脸识别
    cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
    name = names[id]
    cv2.putText(img,name,(x,y),cv2.FONT_HERSHEY_COMPLEX,1,(128,128,0),2)
    print('标签id:',id,'置信评分:',confidence)
cv2.imshow('result',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

总结：

基础的人脸检测的思路是：
1.灰度化图片
2.加载特征数据
3.检测灰度图片中的人脸(可以是多个人脸)，获取每一个的人脸坐标
5.遍历绘制人脸框，显示图像
6.释放capture内存，销毁所有窗口。

训练数据的思路：
1.在上面基础上，遍历获取ID和人脸的宽度和高度(y:y+h,x:x+w)
2.创建cv2.face.LBPHFaceRecognizer_create()LBPHFF特征算法类
3.使用.train(faces,np.array(ids))进行训练。
4.保存yml文件.write('trainer/trainer.yml')

人脸识别思路：
1.导入数据文件

# 加载训练数据和文件
recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('trainer/trainer.yml')

2.按照基础的人脸检测方法，在遍历faces的时候，也就是在被检测的人脸中去匹配特征信息
使用.predict(gray[y:y + h, x:x + w])方法进行人脸识别。

3.最后使用.putText(img,name,(x,y),cv2.FONT_HERSHEY_COMPLEX,1,(128,128,0),2)方法进行标签的绘制。

经过训练后，我去网上找了一张程序从来没有见过的普京的照片。
然后让它识别并且给出一个置信指数，注意指数越低越靠谱，一般来说50的指数为可信度非常强，70以上可信度较弱，指数为0时，则是100%可信，也就是100%匹配。

在这里插入图片描述
结果显示左右的图片(网上找的，程序不认识的)和训练库中id为6的图片匹配(也就是右边的图片)，置信指数55，可见可信度还是比较高的，至此为止整个人脸识别就全部完成了。