一.案例概述
本案例需要一定的Python编程基础并掌握OpenCV基本使用。
时间仓促：初略编写文档效果如下：
开发环境：
操作系统：Windows 10
开发工具：PyCharm 2019.2版本
python版本：3.6.7
计算机视频库包：
opencv_contrib_python-4.1.0.25-cp36-cp36m-win_amd64.whl
算法支持包：numpy（安装opencv默认安装numpy）
下载地址：
Python3.6.7：
Download Pythonwww.python.org
Pycharm工具：
Download PyCharm: Python IDE for Professional Developers by JetBrainswww.jetbrains.com
第三方包下载：
opencv-contrib-pythonpypi.org
二.编写案例准备资源：
准备工作：
1.开发环境、开发工具及第三方包准备完善并创建空项目。
2.准备一些个人的图片（或者通过代码保存个人面部存入本地）要求：图片名称有一定规律
3.爬虫文件 - 爬取明星照片并存储本地
4.将明星图片和个人图片通过opencv处理保存面部图片
5.开始编写人脸识别的代码三.代码编写顺序
一.爬虫代码直接下载运行：点击下载链接:
https://pan.baidu.com/s/1BNzSQ2Xk9GkYslhwKXLYSQ 提取码: qmy1二.安装python爬虫需要的第三方包：
- requests(用户网络访问）
- beautifulsoup4(用户数据结构解析）
- pypinyin(用于中文转换为拼音)
三.运行python爬虫代码：
四.将图片转换为面部图片进行存储：
# 获取小头像信息
import cv2
import os
# 图片张数变量
def read_image():
dirs = os.listdir("d_img")
for j,dir in enumerate(dirs):
print(dir)
# 判断是否有存储头像的路径
file_path = "x_face/%s"%str(dir);
if not os.path.exists(file_path):
os.makedirs(file_path);
pass
num = 0;
for i in range(0,20):
image = cv2.imread('d_img/%s/%d.jpg'%(dir,i))
gray = cv2.cvtColor(image,code = cv2.COLOR_BGR2GRAY);
# 数据参数
face_detector = cv2.CascadeClassifier("haarcascade_frontalface_alt.xml");
# 进行数据对比:minNeighbors = 每一个目标至少要被检测 -整数
face_01 = face_detector.detectMultiScale(gray, minNeighbors=4);
# 绘制矩形人脸检测
print("第%d张图片===:"%i,face_01)
print(type(face_01))
if isinstance(face_01,tuple):
print("没有检查的头像")
pass
else:
print("****有检查的头像****")
for x, y, w, h in face_01:
# time.sleep(10)
x_face = gray;
x_face = cv2.resize(x_face,dsize=(200,200));
bo_photo = cv2.imwrite("%s%d.jpg" % (file_path, num), x_face);
print("保存成功:%d" % num)
pass
num+=1;
pass
pass
pass
if __name__ == '__main__':
read_image();
pass
运行结果 - 生产以下文件：
五.人脸识别 - 主代码：
# 人脸识别 - 主代码
import cv2
import os
import time
import numpy as np;
# 图片张数变量
def Get_x_faces():
dirs = os.listdir("x_face")
print(dirs)
X = #
Y = #
for j,dir in enumerate(dirs):
for i in range(0,9):
image = cv2.imread('x_face/%s/%d.jpg'%(dir,i))
gray = cv2.cvtColor(image,code = cv2.COLOR_BGR2GRAY);
print("读取",gray.shape)
# NoneType ndarray
if len(str(image))!=0:
print("加入。。。。")
X.append(gray)
Y.append(j)
pass
return
pass
if __name__ == '__main__':
X,Y,dirs = Get_x_faces();
print("X=",X)
print("Y=",Y)
print("dirs=",dirs)
#asarray都可以将结构数据转化为ndarray
X = np.asarray(X);
Y = np.asarray(Y);
# 产生一个随机数 -
index = ;
print(index)
#现场修改序列，改变自身内容。（类似洗牌，打乱顺序）
np.random.shuffle(index);
print("***********",index)
# 打乱顺序 :相同规则打乱
X = X
Y = Y
print("88888888",Y)
# 训练数据
print("训练数据为：",len(X),len(Y))
X_train = X
Y_train = Y;
print("800000",Y_train)
# 算法Eigen 特征的意思
# 主成分分析（PCA）——Eigenfaces（特征脸）——函数：cv2.face.EigenFaceRecognizer_create
model = cv2.face.EigenFaceRecognizer_create();
print(model)
# 算法学习
print("算法学习", len(X_train), len(Y_train));
model.train(X, Y);
print("已经学会了数据。。。。")
# 测试数据
# X_test, Y_test = X, Y;
# 开始验证
# for data in X_test:
# # print(data)
# result = model.predict(data);
# print("=================")
# print(result)
# print(dirs])
# pass
Video_face = cv2.VideoCapture(0);
face_detector = cv2.CascadeClassifier("haarcascade_frontalface_alt.xml")
# while循环调取视频图形
while True:
flag,frame = Video_face.read();
gray = cv2.cvtColor(frame,code=cv2.COLOR_BGR2GRAY);
faces = face_detector.detectMultiScale(gray,1.3,5);
if isinstance(faces, tuple):
print("没有检查的头像")
pass
else:
print("有头像了。。。。")
# for循环遍历数据
for x, y, w, h in faces:
cv2.rectangle(frame, pt1=(x, y), pt2=(x + w, y + h), color=, thickness=2);
face = gray;
print("===]]]", face.shape)
face_1 = cv2.resize(face, dsize=(200, 200));
print("=================")
print(face_1.shape)
# 开始对比
print("~~~~"*20)
print(" 参数为:",face_1.shape);
result = model.predict(face_1);
print("对比返回结果：", result)
print('该人脸是：', dirs])
a1 = dirs]
if result<1600:
a1 = "NO"
pass
cv2.putText(frame, a1, (x, y), cv2.FONT_ITALIC, 1, , 2);
pass
pass
cv2.imshow('face', frame)
cv2.waitKey(100)
pass
video.release()
cv2.destroyAllWindows();
pass
大功告成