opencv：从0到实现人脸识别

目录

opencv 人脸检查原理：

整体目录：

1.读取并展示图片

2.人脸检测

3.视频人脸检测

4.拍照保存

5 数据训练

6 人脸识别

---

opencv 人脸检查原理：

OpenCV 中的人脸检测是基于哈尔特征分类器（Haar Feature-based Cascade Classifiers）的方法。以下是人脸检测的基本原理：

1. Haar特征： Haar特征是一种基于图像区域的局部特征，通常用于目标检测。这些特征可以是边缘、线、中心化的矩形等。在人脸检测中，Haar特征通常用于检测人脸的各种组成部分，如眼睛、鼻子、嘴巴等。

2. 分类器： Haar分类器是由许多弱分类器组成的级联结构。每个弱分类器都是一个用于检测特定Haar特征的简单规则。级联结构的目的是通过逐步排除非人脸区域，从而提高检测效率。

3. 训练： Haar分类器需要进行训练，以便学习正确的人脸和非人脸区域的特征。这个训练过程涉及使用正面人脸样本和负面非人脸样本。

4. 级联： Haar分类器按照级联方式工作，每个级联阶段都有多个弱分类器。如果图像区域通过了所有级联阶段的检测，那么它被认为是人脸。

5. 积分图： 为了加速Haar特征的计算，OpenCV使用了积分图（Integral Image）。积分图是对原始图像的一个预处理，使得在任何大小的窗口内计算Haar特征变得更加高效。

6. 非极大值抑制： 为了避免多次检测同一个人脸，通常使用非极大值抑制（Non-Maximum Suppression）来筛选出具有最高置信度的人脸检测结果。

OpenCV提供了预训练的人脸检测器，其中包括了用于检测人脸的Haar级联分类器。这些分类器可以通过 cv2.CascadeClassifier 进行加载和使用。例如，常见的人脸检测器路径为 cv2.data.haarcascades + 'haarcascade_frontalface_default.xml'。你可以使用这些已经训练好的分类器，也可以根据需要进行训练自己的分类器。

整体目录：

1.读取并展示图片

import cv2 as cv
 
img = cv.imread('face1.jpg')
 
# 检查图像是否成功加载
if img is not None:
    # 获取原始图像尺寸
    height, width = img.shape[:2]
 
    # 缩放图像为原始尺寸的50%
    scaled_img = cv.resize(img, (int(width/4), int(height/4)))
 
    # 显示缩放后的图像
    cv.imshow('Scaled Image', scaled_img)
 
    # 等待用户按下任意键后关闭窗口
    cv.waitKey(0)
 
    # 关闭所有窗口
    cv.destroyAllWindows()
else:
    print("无法加载图像")

2.人脸检测

import cv2 as cv
 
 
# 人脸检测函数
def face_detect_demo():
    # 将图像转换为灰度图
    gray = cv.cvtColor(img, cv.COLOR_BGRA2BGR)
 
    # 加载人脸检测器（使用Haar级联分类器）
    face_detect = cv.CascadeClassifier('D:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
 
    # 在灰度图上进行人脸检测
    faces = face_detect.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)
 
    # 遍历检测到的人脸，并在图像上绘制矩形框
    for x, y, w, h in faces:
        cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)
 
    # 显示结果图像
    cv.imshow('result', img)
 
 
# 读取原始图像
org_img = cv.imread('face1.jpg')
 
# 获取原始图像尺寸
height, width = org_img.shape[:2]
 
# 缩放图像为原始尺寸的50%
img = cv.resize(org_img, (int(width / 4), int(height / 4)))
 
# 调用人脸检测函数
face_detect_demo()
 
# 等待按键输入，按下 'q' 键退出程序
while True:
    if ord('q') == cv.waitKey(0):
        break
 
# 关闭所有窗口
cv.destroyAllWindows()

 face_detect = cv.CascadeClassifier('D:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml') 

这里是本机安装opencv的地方

3.视频人脸检测

import cv2 as cv
 
 
# 人脸检测函数
def face_detect_demo(img):
    # 将图像转换为灰度图
    gray = cv.cvtColor(img, cv.COLOR_BGRA2BGR)
 
    # 加载人脸检测器（使用Haar级联分类器）
    face_detect = cv.CascadeClassifier('D:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
 
    # 在灰度图上进行人脸检测
    faces = face_detect.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)
 
    # 遍历检测到的人脸，并在图像上绘制矩形框
    for x, y, w, h in faces:
        cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)
 
    # 显示结果图像
    cv.imshow('result', img)
 
 
# 读取摄像头
cap = cv.VideoCapture(0)
 
 
 
# 等待按键输入，按下 'q' 键退出程序
while True:
    flag,frame = cap.read()
    if not flag:
        break
    face_detect_demo(frame)
    if ord('q') == cv.waitKey(0):
        break
 
# 关闭所有窗口
cv.destroyAllWindows()
 
cap.release()

这里调用的是本机笔记本摄像头

4.拍照保存

import cv2
 
# 打开摄像头（0表示默认摄像头）
cap = cv2.VideoCapture(0)
# 设置标志位和图像编号
flag = 1
num = 1
 
# 持续捕获摄像头图像并显示
while (cap.isOpened()):
    # 读取摄像头帧
    ret_flag, Vshow = cap.read()
 
    # 显示摄像头图像
    cv2.imshow("capture_test", Vshow)
 
    # 检测按键
    k = cv2.waitKey(1) & 0xFF
 
    # 按下 's' 键保存当前帧为图片
    if k == ord('s'):
        # 保存图像到指定路径，使用编号命名
        cv2.imwrite('C:/Users/14817/Pictures/Screenshots/' + str(num) + "zzq1" + ".jpg", Vshow)
        print("成功保存图片：" + str(num) + ".jpg")
        print("--------------------")
        num += 1
    # 按下空格键退出循环
    elif k == ord(' '):
        break
 
# 释放摄像头资源
cap.release()
 
# 关闭所有窗口
cv2.destroyAllWindows()

5 数据训练

import os
import cv2
from PIL import Image
import numpy as np
 
 
def getImageAndLabels(path):
    faceSamples = []
    ids = []
    # 获取图像目录中所有以指定扩展名结尾的图像文件路径
    imagePaths = [os.path.join(path, f) for f in os.listdir(path) if
                  f.lower().endswith(('.png', '1.jpg', '.jpeg', '.gif', '.bmp'))]
 
    # 加载人脸检测器（Haar级联分类器）
    face_detector = cv2.CascadeClassifier(
        'D:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
 
    for imagePath in imagePaths:
        # 使用PIL库打开图像并转换为灰度图
        PIL_img = Image.open(imagePath).convert('L')
        img_numpy = np.array(PIL_img, 'uint8')
 
        # 使用Haar级联分类器检测图像中的人脸
        faces = face_detector.detectMultiScale(img_numpy)
 
        # 从图像文件名中提取人物ID
        id = int(os.path.split(imagePath)[1].split('.')[0])
 
        # 遍历检测到的人脸并保存样本
        for x, y, w, h in faces:
            ids.append(id)
            faceSamples.append(img_numpy[y:y + h, x:x + w])
 
    # 打印最后一个图像文件的ID、以及所有收集到的人脸样本
    print('id', id)
    print('fs', faceSamples)
 
    return faceSamples, ids
 
 
if __name__ == '__main__':
    # 打印OpenCV版本信息
    print(cv2.__version__)
 
    # 设置图像目录路径
    path = 'C:/Users/14817/Pictures/Screenshots/'
 
    # 获取人脸样本和对应的ID
    faces, ids = getImageAndLabels(path)
 
    # 创建LBPH人脸识别器
    recognizer = cv2.face.LBPHFaceRecognizer_create()
 
    # 训练人脸识别器
    recognizer.train(faces, np.array(ids))
 
    # 将训练好的模型保存为YML文件
    recognizer.write("C:/Users/14817/Pictures/Screenshots/trainer.yml")

注意图片名字只能是

1.jpg

或者改代码，需要以数字为名称

6 人脸识别

import cv2
import os
 
# 创建一个LBPH人脸识别器
recognizer = cv2.face.LBPHFaceRecognizer_create()
 
# 从文件中加载训练好的人脸识别模型
recognizer.read('C:/Users/14817/Pictures/Screenshots/trainer.yml')
 
# 存储人物名称的列表
names = []
 
 
# 人脸检测及识别函数
def face_detect_demo(img):
    # 将图像转换为灰度
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
 
    # 加载人脸检测器（Haar级联分类器）
    face_detector = cv2.CascadeClassifier(
        'D:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
 
    # 检测图像中的人脸
    faces = face_detector.detectMultiScale(gray, 1.1, 5, cv2.CASCADE_SCALE_IMAGE, (100, 100), (300, 300))
 
    # 遍历检测到的人脸
    for x, y, w, h in faces:
        # 绘制人脸矩形框
        cv2.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)
 
        # 绘制人脸圆形框
        cv2.circle(img, center=(x + w // 2, y + h // 2), radius=w // 2, color=(0, 255, 0), thickness=1)
 
        # 进行人脸识别
        ids, confidence = recognizer.predict(gray[y:y + h, x:x + w])
 
        # 根据置信度判断是否为未知人物
        if confidence > 80:
            cv2.putText(img, 'unknown', (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
        else:
            # 根据识别出的ID获取人物名称
            cv2.putText(img, str(names[ids - 1]), (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
 
    # 显示结果图像
    cv2.imshow('result', img)
 
 
# 用于获取人物名称的函数
def name():
    path = 'C:/Users/14817/Pictures/Screenshots/'
    # 获取图像目录中所有以指定扩展名结尾的图像文件路径
    imagePaths = [os.path.join(path, f) for f in os.listdir(path) if
                  f.lower().endswith(('.png', '.jpg', '.jpeg', '.gif', '.bmp'))]
 
    # 从文件名中提取人物名称，并添加到names列表中
    for imagePath in imagePaths:
        name = str(os.path.split(imagePath)[1].split('.', 2)[1])
        names.append(name)
 
 
# 打开视频文件（可替换为摄像头索引，如0表示默认摄像头）
cap = cv2.VideoCapture('C:/Users/14817/Pictures/Screenshots/1.mp4')
print("start =======")
 
# 获取人物名称
name()
 
# 循环读取视频帧并进行人脸识别
while True:
    flag, frame = cap.read()
    if not flag:
        break
 
    # 调用人脸检测及识别函数
    face_detect_demo(frame)
 
    # 按空格键退出循环
    if ord(' ') == cv2.waitKey(10):
        break
 
# 释放内存+关闭视频
cv2.destroyAllWindows()
cap.release()

采用自己录屏几张图片识别，识别到会显示名称，图片名称格式为：1.zzq.jpg

数字+ 名称  + 图片

readme：

1  安装opencv
2  搭建环境  如果引入包失败，记得断开vpn



问题：
AttributeError: module 'cv2' has no attribute 'face'

安装指定版本
pip install opencv-python==4.5.4.58
pip install opencv-contrib-python==4.5.4.58

来源：

【【OpenCV图像处理】只需半天就能搞定人脸识别项目！一个课程学了就会了！附赠源码（python+opencv）】https://www.bilibili.com/video/BV1dT4y1z7it?p=13&vd_source=ecc1a37e826c1af0f62b6e24cdc3af26