Python的人脸识别设计史上最全的教程，手把手教（附源代码）

首先要下载人脸识别模块，win+R后输入cmd在控制台下载

 

先是读取图片功能

#  导入OpenCV模块import cv2 as cv#  读取图片  参数：图片路径（注意：路径中不能有中文，否则图片加载失败img = cv.imread('pictures/AI.jpeg')#  显示图片  参数：窗口的名称，所要显示的图片cv.imshow('AI_img', img)#  等待键盘输入 单位毫秒  传入0  则就是无限等待cv.waitKey(0)#  销毁窗体，释放内存cv.destroyAllWindows()

图片灰度转换

为什么要用图片灰度转换呢，他会将人脸转变为矩阵，不同的颜色会有1到16个数字对应他不同颜色的深浅

#  导入OpenCV模块import cv2 as cv#  读取图片  参数：图片路径（注意：路径中不能有中文，否则图片加载失败img = cv.imread('pictures/AI.jpeg')#  显示图片  参数：窗口的名称，所要显示的图片cv.imshow('AI_img', img)#  将图片灰度转换  参数：所要转换的图片，指定转换为灰度图gray_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)#  显示图片cv.imshow('gray_AI_img', gray_img)#  保存图片cv.imwrite('pictures/gray_AI_img.jpeg', gray_img)#  等待键盘输入cv.waitKey(0)#  销毁窗体，释放内存cv.destroyAllWindow()

修改图片尺寸

#  导入OpenCV模块import cv2 as cv#  读取图片  参数：图片路径（注意：路径中不能有中文，否则图片加载失败img = cv.imread('pictures/AI.jpeg')#  显示图片  参数：窗口的名称，所要显示的图片cv.imshow('AI_img', img)print('before:', img.shape)#  修改图片尺寸  参数：所要修改的图片，新尺寸resize_img = cv.resize(img, dsize=(500,500))print('after:', resize_img.shape)#  显示修改好的尺寸图片cv.imshow('resize_AI_img', resize_img)#  等待键盘输入cv.waitKey(0)#  销毁窗体，释放内存cv.destroyAllWindow()

绘制形状

#  导入OpenCV模块import cv2 as cv#  读取图片  参数：图片路径（注意：路径中不能有中文，否则图片加载失败img = cv.imread('pictures/AI.jpeg')#  左上角的坐标是（x，y） 矩形的宽度和高度是（w，h）x,y,w,h = 150,150,150,150#  绘制矩形cv.rectangle(img, (x,y,x+w,y+h), color=(0, 255, 255), thickness= 6)'''#   圆中心点坐标（x，y） 与半径rx,y,r = 300,300,150#  绘制圆  参数：所要绘制的图片，坐标与尺寸，颜色的RGB值，线的粗度cv.circle(img, center=(x,y), radius=r, color=(0,255,255), thickness=2)'''#  显示绘制后的图片cv.imshow('new_img', img)#  等待键盘输入cv.waitKey(0)#  销毁窗体，释放内存cv.destroyAllWindow()

单个人脸识别

#  导入OpenCV模块import cv2 as cv#  人脸识别的函数def face_detect_demo(img):    #  将图片转换为灰度图片    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)    #  创建级联分类器，通过该分类器检测人脸 参数：特征数据    face_detector = cv.CascadeClassifier(r'Haar/haarcascade_frontalface_default.xml')    #  检测人脸并返回人脸信息    faces = face_detector.detectMultiScale(gray)    #  遍历人脸信息获取 xX轴坐标  yY轴坐标  w宽度  h高度    for x,y,w,h in faces:        #  通过矩形框出图片人脸部分        cv.rectangle(img , (x , y) , (x+w , y+h) , color=(0 , 255 , 0) , thickness=2)    cv.imshow('result_img' , img)#  加载图片img = cv.imread('pictures/face1.jpeg')#  调用人脸识别函数face_detect_demo(img)#  等待键盘输入cv.waitKey(0)#  销毁窗体，释放内存cv.destroyAllWindow()

多个人脸识别

#  导入OpenCV模块import cv2 as cv#  人脸识别的函数def face_detect_demo(img):    #  将图片转换为灰度图片    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)    #  加载特征数据    face_detector = cv.CascadeClassifier(r'Haar/haarcascade_frontalface_default.xml')    #  检测人脸并返回人脸信息    faces = face_detector.detectMultiScale(gray)    for x,y,w,h in faces:        print(x,y,w,h)        cv.rectangle(img, (x,y), (x+w, y+h), color = (0,255,0), thickness=2)        #  "/"  表示浮点数出发，返回浮点结果；6/4=1.5        #  “//” 表示整数出发，返回不大于结果的一共最大的整数：6//4=1        cv.circle(img, center = (x+w//2, y+h//2), radius = w//2, color=(0,255,0), thickness=2)    #  显示图片    cv.imshow('result', img)#  加载图片img = cv.imread('pictures/face3.jpg')#  调用人脸检测方法face_detect_demo(img)#  等待键盘输入cv.waitKey(0)#  销毁窗体，释放内存cv.destroyAllWindow()

检测摄像头中的人脸

import cv2 as cvdef face_detect_demo(img):    gary = cv.cvtColor(img, cv.COLOR_BGR2GRAY)    face_detect = cv.CascadeClassifier(r'Haar/haarcascade_frontalface_default.xml')    face = face_detect.detectMultiScale(gary)    for x, y, w, h in face:        cv.rectangle(img, (x, y), (x + w, y + h), color=(0,0,255), thickness=2)    #  水平镜像翻转,cv.图片(图片，轴)  0：水平轴   1：垂直轴    #  img = cv.flip(img, 1)    img = cv.flip(img , 1)    cv.imshow('result', img)#  cv.VideoCapture(摄像头的编号, 打开摄像头的模式)#  摄像头编号默认从0开始，每多一个摄像头，编号+1，但不绝对#  如果你写摄像头编号为0时无法打开摄像头，可以试一下1,2,3等编号#  打开摄像头   参数：对应优先级的摄像头，指定为打开#  cv.CAP_DSHOW：强制打开摄像头cap = cv.VideoCapture(0, cv.CAP_DSHOW)while True:    #  获取检测到的数据（flag是否为人脸特征数据，frame人脸特征数据）    flag,frame = cap.read()    if not flag:        break    face_detect_demo(frame)    #  按键盘Q键退出    if ord('q') == cv.waitKey(1):        breakcv.destroyAllWindows()cap.release()#  水平镜像翻转,cv.img(图片，轴)  0：水平轴   1：垂直轴#  img = cv.flip(img, 1)

检测视频中的人脸

import cv2 as cvdef face_detect_demo(img):    gary = cv.cvtColor(img, cv.COLOR_BGR2GRAY)    face_detect = cv.CascadeClassifier(r'Haar/haarcascade_frontalface_default.xml')    face = face_detect.detectMultiScale(gary)    for x, y, w, h in face:        cv.rectangle(img, (x, y), (x + w, y + h), color=(0,0,255), thickness=2)    cv.imshow('result', img)cap = cv.VideoCapture('Video/video.mp4')while True:    #  读取视频中每一帧的画面    #  flag为当前帧的画面是否有内容，若没有内容，则表示视频播放完毕    #  frame为当前帧画面    flag,frame = cap.read()    if not flag:        break    #  检测当前帧画面的人脸    face_detect_demo(frame)    #  按键盘Q键退出    if ord('q') == cv.waitKey(1):        breakcap.release()cv.destroyWindow()

训练人脸识别模型

#  导入模块import osimport numpy as npimport cv2 as cv#  获取实时人脸识别模型的训练集数据def GetFaceImg_TrainData(path):    #  定义两个容器，存放训练集的数据和结果    #  存放训练图片数据的列表    facesSamples = []                        #x_Train=[]    #  存放训练图片数据对应id的列表（以图片名为id）    ids = []                                 #y_Train=[]    #  再定义一共容器，来存储人脸图片的路径    imagePaths = []    #  遍历传入的路径中的所有的文件，来获得这些文件的路径，存到容器中    for f in os.listdir(path):        #  根据路径跟名称，就能够拼接成文件的完整路径        fPath = os.path.join(path, f)        #  将文件的完整路径存储到容器中去        imagePaths.append(fPath)    #  创建人脸检测器（人脸检测模型）    face_detector = cv.CascadeClassifier('Haar/haarcascade_frontalface_default.xml')    #  遍历指定路径下的所有图片    for imagePath in imagePaths:        #  读取本地图片        img = cv.imread(imagePath)        #  把图片转换为灰度图        PIL_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)        #  把图片转变为像素点矩阵        img_numpy = np.array(PIL_img)        #  检测人脸，并获得人脸信息        faces = face_detector.detectMultiScale(img_numpy)        #  获得当前图片的文件名id        id = int(os.path.split(imagePath)[1].split('.')[0])        #  遍历当前张图片中的所有人脸，存储人脸的数据和结果        for x,y,w,h in faces:            #  从当前图片中把人脸矩阵数据切片出来，并存到容器中去            facesSamples.append(img_numpy[y:y+h, x:x+w])            #  存储当前人脸对应结果            ids.append(id)        #  返回人脸数据，以及结果        return facesSamples, ids#  建立模型，把模型保存到本地if __name__ == '__main__':    #  训练集数据与结果    x_Train, y_Train = GetFaceImg_TrainData('mydata2')    #  建立模型    faceModel = cv.face.LBPHFaceRecognizer_create()    #  训练模型    faceModel.train(x_Train, np.array(y_Train))    #  来保存模型本地    faceModel.write('trainer/faceModel.yml')

用模型来识别人脸

#  导入模块import cv2 as cvimport osimport numpy as np'''#  展示刚刚建模后使用data文件夹内的15张图片fnames = os.listdir('data')for fname in fnames:    fpath = os.path.join('data' , fname)    img = cv.imread(fpath)    cv.imshow(fname , img)#  等待按键输入cv.waitKey(0)#  关闭所有窗口cv.destroyAllWindows( )'''#  1.创建模型faceModel = cv.face.LBPHFaceRecognizer_create()#  2.读取保存在本地的模型faceModel.read('trainer/faceModel.yml')#  3.使用模型来识别人脸，看人脸更接近哪张图片#  (1) 读取人脸图片img = cv.imread('data/7.pgm')#  (2) 从人脸图片中获取人脸部分的像素矩阵#   1）  将原图转换为灰度图gray_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)#   2）  创建人脸检测器（另一个模型）face_detector = cv.CascadeClassifier('Haar/haarcascade_frontalface_default.xml')#   3）  检测人脸，获得人脸的位置信息faces = face_detector.detectMultiScale(gray_img)#   4）  通过人脸的位置信息，来获得人脸部分的像素矩阵for x,y,w,h in faces:    #  (3) 把人脸的像素矩阵给模型进行识别    result, score = faceModel.predict(np.array(gray_img)[y:y+h, x:x+w])    #  输出结果    print('识别结果是：', result, '，置信评分是：', score)

录入人脸

#  导入模块import cv2 as cvimport numpy as npimport time#  打开摄像头cap = cv.VideoCapture(0, cv.CAP_DSHOW)#  创建人脸检测器face_deteceor = cv.CascadeClassifier('Haar/haarcascade_frontalface_default.xml')#  创建idid = 1#  记录当前时间timer = time.time()#  ***循环while True:    #  遍历摄像头每帧画面    #  flag表示摄像头是否有开启    #  frame表示摄像头当前帧的画面    flag, frame = cap.read()    #  先判断摄像头是否有开启    if not flag:        break    #  将摄像头的画面转换为灰度图    gray_frame = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)    #  对摄像头画面检测人脸    faces = face_deteceor.detectMultiScale(frame)    #  遍历摄像头画面中的人脸信息    for x,y,w,h in faces:        #  在当前帧的摄像头画面中来画矩形        cv.rectangle(frame, (x, y), (x+w, y+h), (0, 0, 255))        #  经过3s后，才开始录入人脸        if time.time() - timer 10:            print(' 已经录入完毕')        else:            print('开始录入人脸')            #  来将灰度图取出人脸部分的图像            face_frame = np.array(gray_frame[y:y+h, x:x+w])            #  把人脸图像存到本地中去            cv.imwrite(f'my data/{id}.jpeg', face_frame)            #  id+=1            id +=1    #  将摄像头的画面水平翻转    newFrame = cv.flip(frame, 1)    #  来把摄像头的画面通过opencv绘制出来    #  参数：窗口名称 ， 要显示的图像    cv.imshow('CAP', newFrame)    #  停留一下    cv.waitKey(1)

在摄像头中识别人脸

#  导入模型import cv2 as cv#  打开摄像头cap = cv.VideoCapture(0, cv.CAP_DSHOW)#  创建人脸检测器face_detector = cv.CascadeClassifier('Haar/haarcascade_frontalface_default.xml')#  创建人脸识别的模型faceModel =cv.face.LBPHFaceRecognizer_create()faceModel.read('trainer/faceModel.yml')#  遍历摄像头每帧画面，进行显示while True:    #  获取摄像头当前帧画面    flag, frame = cap.read()    #  判断摄像头是否有开启    if not flag:        break    #  把摄像头的画面转换为灰度图    gray_frame = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)    #  检测摄像头画面中的人脸    faces = face_detector.detectMultiScale(frame)    #  遍历人脸信息    for x,y,w,h in faces:        #  框出人脸        cv.rectangle(frame , (x , y) , (x+w , y+h) , color=(0 , 255 , 255))        #  来把摄像头画面中人脸部分切片出来        face_frae = gray_frame[y:y+h, x:x+w]        #  把切片的这部分来给人脸识别模型进行识别 ，然后将识别结果输出出来        id,score = faceModel.predict(face_frae)        '''print('识别到图片id为:', id, ',差距值是', score)'''        if score  10:        print('successfully!!')        break    img = cv2.imread('my data/1.jpeg')    cv2.imshow('my data/1.jpeg' , img)    if ord('q') == cv2.waitKey(1):        breakcap.release( )cv2.destroyAllWindows( )