python进阶——人工智能视觉识别
前言
python在人工智能方面可以毫不客气的说，比其他的所有语言都要有优势，因为python的背后有一个非常强大的资源库来支撑着python运作。
opencv库
opencv是最经典的python视觉库，它里面包含了很多种视觉的识别类型供开发者们使用。
opencv库的下载
我们可以在我们的pycharm里面输入以下代码进行下载，但这里我们下载的是阉割版的。
pip install opencv-python 当我们的pycharm下载完成之后，我们呢还需要在opencv的官网进行下载：
然后我们选择（如下图所示）：
进入之后，我们就可以看到opencv相对应的版本了：
然后，我们选择自己使用的系统进行下载并安装即可（仅安装即可，opencv不用环境配置！只需要记住安装在哪里，当我们使用的时候直接调取我们的安装目录就可以！）
当安装完成之后，我们就可以看到安装路径下的这些文件：
里面包含眼睛识别，面部识别等一些强大的识别算法！
人脸检测报警系统（可用于：家用监控；人脸门禁；人脸打卡签到等）
这里我将本功能分为了三个py文件来展开描述：
抓取人脸功能模块
首先，导入cv库
import cv2然后调取我们的摄像头（0代表本机摄像头，其他代表外接摄像头）
cap = cv2.VideoCapture(0)用while来判断是否为开启状态：
while(cap.isOpened()):得到每一帧的图片进行赋值：
ret_flag,Vshow = cap.read()调用控制键盘函数，控制判断按键：
k = cv2.waitKey(1) & 0xFF使用imshow函数显示拍摄图像：
cv2.imshow('ceshi',Vshow)键盘监听，按s键进行保存：
if k == ord('s'):保存拍摄图像的格式，打印提示文字：
cv2.imwrite('E:/tupian/'+str(num)+'.name'+'.jpg',Vshow)
print('保存成功'+str(num)+".jpg")
print("-------------------------")
num += 1释放摄像头与内存：
#释放摄像头
cap.release()
#释放内存
cv2.destroyAllWindows()完整代码：
import cv2
cap = cv2.VideoCapture(0)
falg = 1
num = 1
while(cap.isOpened()):#检测是否在开启状态
ret_flag,Vshow = cap.read()#得到每一帧的图像
k = cv2.waitKey(1) & 0xFF#判断按键
cv2.imshow('ceshi',Vshow)#显示图像
if k == ord('s'):#按s键保存
cv2.imwrite('E:/tupian/'+str(num)+'.name'+'.jpg',Vshow)
print('保存成功'+str(num)+".jpg")
print("-------------------------")
num += 1
elif k == ord(' '):#退出
break
#释放摄像头
cap.release()
#释放内存
cv2.destroyAllWindows()录入人脸功能模块
在写这个功能模块之前，我们要在pycharm中或cmd中的本文件根目录下使用命令行，安装face模块使用函数：
pip install opencv-contrib-python导入第三方库：
import os
import cv2
from PIL import Image
import numpy as np存储人脸数据：
facesSamples=[]存储姓名数据：
ids=[]存储图片信息：
imagePaths=[os.path.join(path,f) for f in os.listdir(path)]加载分类器（就是我们上面讲到的在opencv官网下载的库，我们只需要调取安装目录就可以）：
face_detector = cv2.CascadeClassifier('E:/open-cv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')遍历列表中的图片：
for imagePath in imagePaths:将打开的图片灰度化：
PIL_img = Image.open(imagePath).convert('L')将图片转化为数组：
img_numpy = np.array(PIL_img,'uint8')获取图片人脸特征：
faces = face_detector.detectMultiScale(img_numpy)获取每一张拍摄图片的id与姓名：
id = int(os.path.split(imagePath)[1].split('.')[0])做判断，预防拍摄无面容图片：
for x,y,w,h in faces:
ids.append(id)
facesSamples.append(img_numpy[y:y+h,x:x+w])打印面部特征与id，并返回数据：
print('id',id)
print('fs:',facesSamples)
return facesSamples,ids调用图片路径（有第一步抓取人脸后按s键保存到'E:/tupian/'路径下的图片）：
path = 'E:/tupian/'获取图像数组和id标签数组和姓名：
faces,ids=getImageAndLabels(path)加载识别器：
recognizer = cv2.face.LBPHFaceRecognizer_create()训练数据：
recognizer.train(faces,np.array(ids))保存面部特征到文件夹（创建一个文件夹，用于存放读取的面部信息）：
recognizer.write('tupian/tupian.yml')完整代码：
import os
import cv2
from PIL import Image
import numpy as np
def getImageAndLabels(path):
#储存人脸数据
facesSamples=[]
#储存姓名数据
ids=[]
#储存图片信息
imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
#加载分类器
face_detector = cv2.CascadeClassifier('E:/open-cv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
#遍历列表中的图片
for imagePath in imagePaths:
#打开图片，灰度化PIL有九种不同的模式：1，L,P,RGB,RGBA,CMYK,YCbCr，I，F
PIL_img = Image.open(imagePath).convert('L')
#将图像转化为数组，以黑白深浅
img_numpy = np.array(PIL_img,'uint8')
#获取图片人脸特征
faces = face_detector.detectMultiScale(img_numpy)
#获取每一张图片的id和姓名
id = int(os.path.split(imagePath)[1].split('.')[0])
#预防无面容照片
for x,y,w,h in faces:
ids.append(id)
facesSamples.append(img_numpy[y:y+h,x:x+w])
#打印面部特征和id
print('id',id)
print('fs:',facesSamples)
return facesSamples,ids
if __name__ == '__main__':
#图片路径
path = 'E:/tupian/'
#获取图像数组和id标签数组和姓名
faces,ids=getImageAndLabels(path)
#加载识别器
recognizer = cv2.face.LBPHFaceRecognizer_create()
#训练
recognizer.train(faces,np.array(ids))
#保存文件
recognizer.write('tupian/tupian.yml')人脸识别功能模块
导入第三方库:
import cv2
import os加载训练过的数据文件：
recogizer = cv2.face.LBPHFaceRecognizer_create()加载保存过的面部信息：
recogizer.read('tupian/tupian.yml')定义名称数组：
names=[]识别全局变量定义：
warningtime = 0识别视频中人脸模块：
def face_detect_demo(img):
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转换为灰度
face_detector=cv2.CascadeClassifier('E:/open-cv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
face=face_detector.detectMultiScale(gray)
for x,y,w,h in face:
cv2.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
cv2.circle(img,center=(x+w//2,y+h//2),radius=w//2,color=(0,255,0),thickness=1)
# 人脸识别
ids, confidence = recogizer.predict(gray[y:y + h, x:x + w])
if confidence > 80:
global warningtime
warningtime += 1
if warningtime > 100:
# warning()
warningtime = 0
cv2.putText(img, 'unkonw', (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
else:
cv2.putText(img,str(names[ids-1]), (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
cv2.imshow('result',img)导入存储的图片名字标签：
def name():
path = 'E:/tupian/'
# names = []
imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
for imagePath in imagePaths:
name = str(os.path.split(imagePath)[1].split('.',2)[1])
names.append(name)加载监控或已保存下来的视频：
cap=cv2.VideoCapture('1.mp4')
name()
while True:
flag,frame=cap.read()
if not flag:
break
face_detect_demo(frame)
if ord(' ') == cv2.waitKey(10):
break释放内存与视频：
cv2.destroyAllWindows()
cap.release()完整代码：
import cv2
import os
#加载训练数据文件
recogizer = cv2.face.LBPHFaceRecognizer_create()
#加载数据
recogizer.read('tupian/tupian.yml')
#名称
names=[]
#报警全局变量
warningtime = 0
#准备识别的图片
def face_detect_demo(img):
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转换为灰度
face_detector=cv2.CascadeClassifier('E:/open-cv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
face=face_detector.detectMultiScale(gray)
for x,y,w,h in face:
cv2.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
cv2.circle(img,center=(x+w//2,y+h//2),radius=w//2,color=(0,255,0),thickness=1)
# 人脸识别
ids, confidence = recogizer.predict(gray[y:y + h, x:x + w])
if confidence > 80:
global warningtime
warningtime += 1
if warningtime > 100:
# warning()
warningtime = 0
cv2.putText(img, 'unkonw', (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
else:
cv2.putText(img,str(names[ids-1]), (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
cv2.imshow('result',img)
#名字标签
def name():
path = 'E:/tupian/'
# names = []
imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
for imagePath in imagePaths:
name = str(os.path.split(imagePath)[1].split('.',2)[1])
names.append(name)
#加载视频
cap=cv2.VideoCapture('1.mp4')
name()
while True:
flag,frame=cap.read()
if not flag:
break
face_detect_demo(frame)
if ord(' ') == cv2.waitKey(10):
break
#释放内存+视频
cv2.destroyAllWindows()
cap.release()最终显示效果：
录入过的面部信息就会显示录入的姓名（如下面的LQJ），未录入过的面部信息就会显示unkonw（不知道的状态）。
本文参与 腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。
原始发表：2023-10-11，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录
相关产品与服务
人脸识别
腾讯云神图·人脸识别（Face Recognition）基于腾讯优图强大的面部分析技术，提供包括人脸检测与分析、比对、搜索、验证、五官定位、活体检测等多种功能，为开发者和企业提供高性能高可用的人脸识别服务。 可应用于在线娱乐、在线身份认证等多种应用场景，充分满足各行业客户的人脸属性识别及用户身份确认等需求。
腾讯云开发者
