python人脸识别源码opencv_Python-opencv人脸检测和识别实现（有代码和资源）

朱雀 2023-01-01 04:53 140阅读 0赞

方法讲解

人脸检测，把图像分成一个个小块，对每一个小块判断是否是人脸，假如一张图被分成了5000块，则速度非常慢。

为了提高效率，OpenCV 提供 cascades 来避免这种情况。提供了一系列的xml文件

cascades ：翻译 ：小瀑布 级联

cascade 对于每个数据块，它都进行一个简单快速的检测。若过，会再进行一个更仔细的检测。该算法有 30 到 50 个这样的阶段，或者说 cascade。只有通过全部阶段，cascade才会判断检测到人脸。这样做的好处是：大多数小块都会在前几步就产生否定反馈，节约时间。

资源链接，该资源不仅仅包括人脸xml，还有其他眼睛等。赚取点积分吧。

OpenCV人脸识别xml文件.zip

或者

OpenCV官网

从官网Sources里找资源，data文件夹中有是特征文件，我们一般选用haarcascade\_frontalface\_default.xml

人脸检测

1人脸检测实现

import numpy as npimport cv2\# 实例化人脸分类器face\_cascade = cv2.CascadeClassifier('haarcascade\_frontalface\_default.xml')\#xml来源于资源文件。\# 读取测试图片img = cv2.imread('faces.jpg',cv2.IMREAD\_COLOR)\# 将原彩色图转换成灰度图gray = cv2.cvtColor(img, cv2.COLOR\_BGR2GRAY)\# 开始在灰度图上检测人脸，输出是人脸区域的外接矩形框faces = face\_cascade.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=1)\# 遍历人脸检测结果for (x,y,w,h) in faces: \# 在原彩色图上画人脸矩形框 cv2.rectangle(img,(x,y),(x+w,y+h),(255,255,0),2)\# 显示画好矩形框的图片cv2.namedWindow('faces', cv2.WINDOW\_AUTOSIZE)cv2.imshow('faces',img)\# 等待退出键cv2.waitKey(0)\# 销毁显示窗口cv2.destroyAllWindows()

修改face\_cascade.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=1) 里的参数值可以得到不同的识别精度，有的识别出的人多，有的少。

![Image 1][]

2摄像头下人脸检测实现

import cv2 as cvimport numpy as npdef face\_detect\_demo(image): gray = cv.cvtColor(image, cv.COLOR\_BGR2GRAY) face\_detector = cv.CascadeClassifier("haarcascade\_frontalface\_default.xml") faces = face\_detector.detectMultiScale(gray, 1.2, 6) for x, y, w, h in faces: cv.rectangle(image, (x, y), (x+w, y+h), (0, 0, 255), 2) cv.imshow("result", image)print("--------- Python OpenCV Tutorial ---------")capture = cv.VideoCapture(0)cv.namedWindow("result", cv.WINDOW\_AUTOSIZE)while(True): ret, frame = capture.read() frame = cv.flip(frame, 1)\#左右翻转 face\_detect\_demo(frame) c = cv.waitKey(10) if c == 27: \# ESC breakcv.waitKey(0)cv.destroyAllWindows()

手拿平板试下吧，博主我不上镜。

同理：调整 face\_detector.detectMultiScale(gray, 1.2, 6) 的参数值，效果不一样。

![Image 1][]

人脸识别

前面讲得是人脸检测，即检测出图片是否含有脸。接下来完成人脸识别，即识别出当前脸是谁。

数据集

选取杨幂和刘亦菲的网图各几张。

![Image 1][]

训练模型并保存

注意：如果出现module ‘cv2.cv2’ has no attribute ‘face’ 错误信息。

说明没有安装opencv-contrib-python 包，这是OpenCV外带模块，外带模块是测试性能不足，所以没有一起放在opencv包里。

解决方法：pip install opencv-contrib-python

import osimport numpy as npimport cv2\#脸部检测函数def face\_detect\_demo(image): gray = cv2.cvtColor(image, cv2.COLOR\_BGR2GRAY) face\_detector = cv2.CascadeClassifier("haarcascade\_frontalface\_default.xml") faces = face\_detector.detectMultiScale(gray, 1.2, 6) \# 如果未检测到面部，则返回原始图像 if (len(faces) == 0): return None, None \# 目前假设只有一张脸，xy为左上角坐标，wh为矩形的宽高 (x, y, w, h) = faces\[0\] \# 返回图像的脸部部分 return gray\[y:y + w, x:x + h\], faces\[0\]def ReFileName(dirPath): """ :param dirPath: 文件夹路径 :return: """ \# 对目录下的文件进行遍历 faces=\[\] for file in os.listdir(dirPath): \# 判断是否是文件 if os.path.isfile(os.path.join(dirPath, file)) == True: c= os.path.basename(file) name = dirPath + '\\\\' + c img = cv2.imread(name) \# 检测脸部 face, rect = face\_detect\_demo(img) \# 我们忽略未检测到的脸部 if face is not None: \# 将脸添加到脸部列表并添加相应的标签 faces.append(face) cv2.waitKey(1) cv2.destroyAllWindows() return faces\#杨幂照读取dirPathyangmi = r"C:\\Users\\Shineion\\Desktop\\yangmi"\#文件路径yangmi=ReFileName(dirPathyangmi)\#调用函数labelyangmi=np.array(\[0 for i in range(len(yangmi))\])\#标签处理\#刘亦菲照读取dirPathliuyifei = r"C:\\Users\\Shineion\\Desktop\\yangmi"\#文件路径liuyifei=ReFileName(dirPathliuyifei)\#调用函数labelliuyifei=np.array(\[1 for i in range(len(liuyifei))\])\#标签处理\#拼接并打乱数据特征和标签x=np.concatenate((yangmi,liuyifei),axis=0)y=np.concatenate((labelyangmi,labelliuyifei),axis=0)index = \[i for i in range(len(y))\] \# test\_data为测试数据np.random.seed(1)np.random.shuffle(index) \# 打乱索引train\_data = x\[index\]train\_label = y\[index\]\#分类器recognizer = cv2.face.LBPHFaceRecognizer\_create()recognizer.train(train\_data, train\_label)\# 保存训练数据recognizer.write('train.yml')

人脸图像预测

import cv2\#人脸检测函数def face\_detect\_demo(image): gray = cv2.cvtColor(image, cv2.COLOR\_BGR2GRAY) face\_detector = cv2.CascadeClassifier("haarcascade\_frontalface\_default.xml") faces = face\_detector.detectMultiScale(gray, 1.2, 6) \# 如果未检测到面部，则返回原始图像 if (len(faces) == 0): return None, None \# 目前假设只有一张脸，xy为左上角坐标，wh为矩形的宽高 (x, y, w, h) = faces\[0\] \# 返回图像的脸部部分 return gray\[y:y + w, x:x + h\], faces\[0\]\#导入训练结果recognizer = cv2.face.LBPHFaceRecognizer\_create()recognizer.read('train.yml')\#读取前文训练的结果\# 根据给定的人脸(x，y)坐标和宽度高度在图像上绘制矩形def draw\_rectangle(img, rect): (x, y, w, h) = rect\#矩形框 cv2.rectangle(img, (x, y), (x + w, y + h), (255, 255, 0), 2)\# 根据给定的人脸(x，y)坐标写出人名def draw\_text(img, text, x, y): cv2.putText(img, text, (x, y), cv2.FONT\_HERSHEY\_COMPLEX, 1, (128, 128, 0), 2)\# 此函数识别图像中的人物并在脸部周围绘制一个矩形及其人名facelabel = \["yangmi", "liuyifei"\]\#人物名def predict(image): \# 生成图像的副本，保留原始图像 img = image.copy() \# 检测人脸区域 face, rect = face\_detect\_demo(img)\#face\_detect\_demo前面的人脸检测函数 \#print(rect)=\[x,y,w,h\] \# 预测人脸名字 label = recognizer.predict(face) print(label)\#label\[0\]为名字，label\[1\]可信度数值越低，可信度越高( if label\[1\]<=50: \# 获取由人脸识别器返回的相应标签的人名 label\_text = facelabel\[label\[0\]\] \# 在检测到的脸部周围画一个矩形 draw\_rectangle(img, rect) \# 标出预测的人名 draw\_text(img, label\_text, rect\[0\], rect\[1\]) \# 返回预测的图像 return img else: \# 在检测到的脸部周围画一个矩形 draw\_rectangle(img, rect) \# 标出预测的人名 draw\_text(img, "not find", rect\[0\], rect\[1\]) \# 返回预测的图像 return imgtest\_img = cv2.imread("C:\\\\Users\\\\Shineion\\\\Desktop\\\\liuyifei\\\\8.jpg")\#执行预测pred\_img = predict(test\_img)cv2.imshow('result', pred\_img)cv2.waitKey(0)cv2.destroyAllWindows()

结果

![Image 1][]

换一个张图试下

![Image 1][]

再换张其他人的，来源网图，如有侵权，联系我删除。

![Image 1][]

注意事项：

1本文的训练集图片太少，所以测试有些误差，有的图片要识别出错。可以自己调整可信度系数和增加训练集图片

2.本文模型是二分类，也可以多分类。标签分别是\[0,1,2,3,4,…\],不需要one-hot化。这点不同于常规分类器

3.图片路径不能出现中文，OpenCV决定的。标注的名字不能出现中文，中文乱码，自己可以研究下OpenCV标注中文。

源码或者视频教程后台私信小编 源码

[Image 1]: