您当前的位置:首页 > 电脑百科 > 程序开发 > 编程百科

Opencv+python3.8+人脸识别+PIL法中文显示

时间:2020-08-24 10:02:52  来源:  作者:

1 说明:

=====

1.1 参考文章:

https://www.cnblogs.com/xp12345/p/9818435.html

1.2 对原代码进行注释,调试,增加PIL法显示中文标示。

1.3 获取摄像头实现动态人脸识别。

1.4 分为:侦测-收集-训练-识别。

Opencv+python3.8+人脸识别+PIL法中文显示

 

2 准备:

=====

2.1 安装opencv:

pip install opencv-Python

2.2 注意:导入模块

import cv2   #cv2不是版本号

科普一下:

cv2中的 2 不是指定发布的版本号,而是为了区分OpenCV的 C 和 C++ 的版本。

 

OpenCV1.x 使用 C 开发;而OpenCV2.x 使用C++。

2.3 环境:

华为笔记本电脑、深度deepin-linux操作系统、谷歌浏览器、python3.8和微软vscode编辑器。

3 文件结构:

========

3.1 图:

Opencv+python3.8+人脸识别+PIL法中文显示

 

3.2 层次示意图:

Opencv+python3.8+人脸识别+PIL法中文显示

 

3.3 两个xml文件来自:分类器一般位于安装包cv2下

比如:本机:file:///usr/local/python3.8/lib/python3.8/site-packages/cv2/data下,复制过来即可

===以下代码基于笔记本电脑的摄像头,需打开,训练自己头像===

4 五个代码依次进行:

===============

4.1 1-FaceDetection.py代码:

#人脸检测
import numpy as np
import cv2
# 人脸识别分类器
faceCascade = cv2.CascadeClassifier('/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml')
# 识别眼睛的分类器
eyeCascade = cv2.CascadeClassifier('/home/xgj/Desktop/face-de/haarcascade_eye.xml')
# 开启摄像头
cap = cv2.VideoCapture(0)
ok = True
result =[]  #原bug,自己补充
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)
    )
    result = []
    # 在检测人脸的基础上检测眼睛
    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))
    # 画矩形框--脸部
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)
   #眼睛
    for (ex, ey, ew, eh) in result:
        cv2.rectangle(img, (ex, ey), (ex+ew, ey+eh), (0, 255, 0), 2)
   #显示
    cv2.imshow('video', img)
   #退出定义
    k = cv2.waitKey(1)
    if k == 27:    # press 'ESC' to quit
        break

cap.release()
cv2.destroyAllwindows()

===注意4.1代码不需要也没关系===

4.2 2-FaceDataCollect.py代码:

#FaceDataCollect,人脸数据收集
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)
#注意路径
face_detector = cv2.CascadeClassifier('/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml')
#请输入id:0为一个人,第二个人请输入1,在4py中检测识别中idnums有用
face_id = input('n enter user id:')
print('n Initializing face capture. Look at the camera and wait ...')

count = 0
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)
   #面部画框
    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,注意路径
        cv2.imwrite("/home/xgj/Desktop/face-de/img/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,可自定义数值大小
        break
# 关闭摄像头
cap.release()
cv2.destroyAllWindows()
#大概需要半个小时,收集1000张图片
#我自己约5分钟后暂停,期间可以做各种面部动作,我大概收集50张

4.3 3-face_training.py代码:

#face_training,人脸数据训练
import numpy as np
from PIL import Image
import os
import cv2
# 人脸数据路径,上面保存的灰色照片数据集
path = '/home/xgj/Desktop/face-de/img'
recognizer = cv2.face.LBPHFaceRecognizer_create()
detector = cv2.CascadeClassifier("/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml")

def getImagesAndLabels(path):
    imagePaths = [os.path.join(path, f) for f in os.listdir(path)] 
    faceSamples = []
    ids = []
    for imagePath in imagePaths:
        PIL_img = Image.open(imagePath).convert('L')   # convert it to grayscale
        img_numpy = np.array(PIL_img, 'uint8')
        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))
#保存训练好的文件
recognizer.write('/home/xgj/Desktop/face-de/face_trainer/trainer.yml')
print("{0} faces trained. Exiting Program".format(len(np.unique(ids))))

4.4 人脸识别:

==========

4.4.1 英文版的人脸识别4-face_recognition.py代码:

#face_recognition 人脸检测并识别,显示人名
import cv2

recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('/home/xgj/Desktop/face-de/face_trainer/trainer.yml')
cascadePath = "/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml"
faceCascade = cv2.CascadeClassifier(cascadePath)
font = cv2.FONT_HERSHEY_SIMPLEX
#这里为0或者1都没有关系
idnum = 1
names = ['Allen', 'Bob']   
#names中存储人的名字,若该人id为0则他的名字在第一位,id位1则排在第二位,以此类推
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])

        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)  #不能显示中文
        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()

4.4.2 PIL法显示中文的人脸识别5-face_recognition_zh_PIL.py代码:自己添加的

#face_recognition 人脸检测,PIL法显示中文人名
import cv2
#---增加的PIL法显示中文---
import numpy
from PIL import Image, ImageDraw, ImageFont
#定义一个函数
def cv2ImgAddText(img, text, left, top, textColor=(0, 255, 0), textSize=20):
    if (isinstance(img, numpy.ndarray)):  # 判断是否OpenCV图片类型
        img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
    # 创建一个可以在给定图像上绘图的对象
    draw = ImageDraw.Draw(img)
    # 字体的格式,自己下载华文仿宋字体,放在根目录下
    fontStyle = ImageFont.truetype(
        "hwfs.ttf", textSize, encoding="utf-8")
    # 绘制文本
    draw.text((left, top), text, textColor, font=fontStyle)
    # 转换回OpenCV格式
    return cv2.cvtColor(numpy.asarray(img), cv2.COLOR_RGB2BGR)

recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('/home/xgj/Desktop/face-de/face_trainer/trainer.yml')
cascadePath = "/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml"
faceCascade = cv2.CascadeClassifier(cascadePath)
font = cv2.FONT_HERSHEY_SIMPLEX
#这里为0或者1都没有关系
idnum = 0

names = ['机器人', 'Bob']   
#names中存储人的名字,若该人id为0则他的名字在第一位,id位1则排在第二位,以此类推
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])

        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)  #不能显示中文
        #注意下面格式,位置去掉元组格式,并int化
        img = cv2ImgAddText(img, str(idnum), int(x+5), int(y-5),  (0, 0, 255),20)  #显示为中文PIL法
        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()

效果图

Opencv+python3.8+人脸识别+PIL法中文显示

 

===以上代码亲测可用===

喜欢的人,请点赞、关注、评论、转发和收藏。

谢谢原博主。



Tags:人脸识别   点击:()  评论:()
声明:本站部分内容及图片来自互联网,转载是出于传递更多信息之目的,内容观点仅代表作者本人,如有任何标注错误或版权侵犯请与我们联系(Email:2595517585@qq.com),我们将及时更正、删除,谢谢。
▌相关推荐
据路透社及美国CNN网站等多家媒体2日报道,美国社交媒体平台脸书(Facebook)周二(2日)宣布将关闭其面部识别系统,该系统可自动识别照片和视频中的用户,理由是社会对使用此类技术的担...【详细内容】
2021-11-03  Tags: 人脸识别  点击:(35)  评论:(0)  加入收藏
到底是选指纹解锁还是选人脸识别解锁?这两个哪一种体验方式更好?很多人在购买智能锁都比较纠结。今天给大家说说我的观点。人脸识别解锁近两年的很火热。很多人认为开锁不需...【详细内容】
2021-08-10  Tags: 人脸识别  点击:(338)  评论:(0)  加入收藏
不少软件在进行身份安全认证时,人脸识别都是必不可少的重要一环。但你真的以为,人脸识别就只是拍“脸”吗?近日,数码博主@长安数码君在社交平台爆料称:人脸识别时采集到的区域不...【详细内容】
2021-07-12  Tags: 人脸识别  点击:(96)  评论:(0)  加入收藏
随着科技的不断发展,我们的生活变得越来越便捷,但在我们享受科技之光的同时,许多问题也接踵而至。如 5G 时代中“人脸识别”的应用愈发广泛,支付宝等支付平台相继推出人脸识别...【详细内容】
2021-07-04  Tags: 人脸识别  点击:(129)  评论:(0)  加入收藏
前言是不是觉得不可思议,js已经强大到这个地步? 是的,js日新月异,它在不断的进步。只要稍不留神,那我们都只能望尘莫及了。今天我们就来看看是什么js插件可以如此厉害?人脸识别Jav...【详细内容】
2021-03-08  Tags: 人脸识别  点击:(217)  评论:(0)  加入收藏
人脸识别技术是根据人的脸部特征信息加以身份识别的一种先进识别技术。因其无感性、便利性和准确性而广泛应用,不过近年来也引发一些法律问题,法律如何加以妥当规制值得深入研...【详细内容】
2021-02-04  Tags: 人脸识别  点击:(108)  评论:(0)  加入收藏
近年来,基于深度学习的人脸识别技术取得了重要进展。但是人脸识别模型的实际部署和深入研究都需要相应的公众支持。例如生产级人脸表示网络需要模块化的训练机制,以配合不同 SOTA 骨干网络、训练监督主题再到现实世界人...【详细内容】
2021-01-26  Tags: 人脸识别  点击:(213)  评论:(0)  加入收藏
Face Recognition 使用的是 C++ 开源库 dlib 通过深度学习模型构建的先进人脸识别系统,可通过 Python 接口或命令行工具对图片中的人脸进行识别。在 Labeled Faces in the W...【详细内容】
2021-01-07  Tags: 人脸识别  点击:(143)  评论:(0)  加入收藏
App渗透 - 人脸识别登录绕过打开APP是一个登录框 抓包后发现参数被加密了 使用Jadx脱源码发现,并没有加壳也没有混淆,运气很好 根据经验,先搜索Encrypt、Decrypt等关键字,发现在...【详细内容】
2020-11-19  Tags: 人脸识别  点击:(372)  评论:(0)  加入收藏
一、概述人脸识别本质上是一个求相似度的问题,相同的人脸映射到同一个空间,他们的距离比较近,这个距离的度量可以是余弦距离,也可以是欧几里得距离,或者其他的距离。下面有三个头...【详细内容】
2020-09-16  Tags: 人脸识别  点击:(58)  评论:(0)  加入收藏
▌简易百科推荐
摘 要 (OF作品展示)OF之前介绍了用python实现数据可视化、数据分析及一些小项目,但基本都是后端的知识。想要做一个好看的可视化大屏,我们还要学一些前端的知识(vue),网上有很多比...【详细内容】
2021-12-27  项目与数据管理    Tags:Vue   点击:(1)  评论:(0)  加入收藏
程序是如何被执行的&emsp;&emsp;程序是如何被执行的?许多开发者可能也没法回答这个问题,大多数人更注重的是如何编写程序,却不会太注意编写好的程序是如何被运行,这并不是一个好...【详细内容】
2021-12-23  IT学习日记    Tags:程序   点击:(9)  评论:(0)  加入收藏
阅读收获✔️1. 了解单点登录实现原理✔️2. 掌握快速使用xxl-sso接入单点登录功能一、早期的多系统登录解决方案 单系统登录解决方案的核心是cookie,cookie携带会话id在浏览器...【详细内容】
2021-12-23  程序yuan    Tags:单点登录(   点击:(8)  评论:(0)  加入收藏
下载Eclipse RCP IDE如果你电脑上还没有安装Eclipse,那么请到这里下载对应版本的软件进行安装。具体的安装步骤就不在这赘述了。创建第一个标准Eclipse RCP应用(总共分为六步)1...【详细内容】
2021-12-22  阿福ChrisYuan    Tags:RCP应用   点击:(7)  评论:(0)  加入收藏
今天想简单聊一聊 Token 的 Value Capture,就是币的价值问题。首先说明啊,这个话题包含的内容非常之光,Token 的经济学设计也可以包含诸多问题,所以几乎不可能把这个问题说的清...【详细内容】
2021-12-21  唐少华TSH    Tags:Token   点击:(9)  评论:(0)  加入收藏
实现效果:假如有10条数据,分组展示,默认在当前页面展示4个,点击换一批,从第5个开始继续展示,到最后一组,再重新返回到第一组 data() { return { qList: [], //处理后...【详细内容】
2021-12-17  Mason程    Tags:VUE   点击:(14)  评论:(0)  加入收藏
什么是性能调优?(what) 为什么需要性能调优?(why) 什么时候需要性能调优?(when) 什么地方需要性能调优?(where) 什么时候来进行性能调优?(who) 怎么样进行性能调优?(How) 硬件配...【详细内容】
2021-12-16  软件测试小p    Tags:性能调优   点击:(19)  评论:(0)  加入收藏
Tasker 是一款适用于 Android 设备的高级自动化应用,它可以通过脚本让重复性的操作自动运行,提高效率。 不知道从哪里听说的抖音 app 会导致 OLED 屏幕烧屏。于是就现学现卖,自...【详细内容】
2021-12-15  ITBang    Tags:抖音防烧屏   点击:(23)  评论:(0)  加入收藏
11 月 23 日,Rust Moderation Team(审核团队)在 GitHub 上发布了辞职公告,即刻生效。根据公告,审核团队集体辞职是为了抗议 Rust 核心团队(Core team)在执行社区行为准则和标准上...【详细内容】
2021-12-15  InfoQ    Tags:Rust   点击:(24)  评论:(0)  加入收藏
一个项目的大部分API,测试用例在参数和参数值等信息会有很多相似的地方。我们可以复制API,复制用例来快速生成,然后做细微调整既可以满足我们的测试需求1.复制API:在菜单发布单...【详细内容】
2021-12-14  AutoMeter    Tags:AutoMeter   点击:(20)  评论:(0)  加入收藏
最新更新
栏目热门
栏目头条