前言

讓我的電腦認識我，我的電腦只有認識我，才配稱之為我的電腦！

今天，我們用Python實現簡單的臉部辨識技術！

Python裡，簡單的臉部辨識有很多種方法可以實現，依賴於python膠水語言的特性，我們通過呼叫包可以快速準確的達成這一目的。這裡介紹的是準確性比較高的一種。

欲直接下載原始碼檔案，關注微信公眾號：Python聯盟，回覆「臉部辨識」即可獲取~

一、首先

梳理一下實現臉部辨識需要進行的步驟：

流程大致如此，在此之前，要先讓人臉被準確的找出來，也就是能準確區分人臉的分類器，在這裡我們可以用已經訓練好的分類器，網上種類較全，分類準確度也比較高，我們也可以節約在這方面花的時間。

ps: 博主的寶貝來源已經放在下面連結裡啦~

二、接下來

1. 對照人臉獲取

#-----獲取人臉樣本-----
import cv2

#呼叫筆電內建攝像頭，引數為0，如果有其他的攝像頭可以調整引數為1,2
cap = cv2.VideoCapture(0)
#呼叫人臉分類器，要根據實際路徑調整3
face_detector = cv2.CascadeClassifier(r'X:/Users/73950/Desktop/FaceRec/haarcascade_frontalface_default.xml')  #待更改
#為即將錄入的臉標記一個id
face_id = input('\n User data input,Look at the camera and wait ...')
#sampleNum用來計數樣本數目
count = 0

while True:    
    #從攝像頭讀取圖片
    success,img = cap.read()    
    #轉為灰度圖片，減少程式符合，提高識別度
    if success is True: 
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
    else:   
        break
    #檢測人臉，將每一幀攝像頭記錄的資料帶入OpenCv中，讓Classifier判斷人臉
    #其中gray為要檢測的灰度影象，1.3為每次影象尺寸減小的比例，5為minNeighbors
    faces = face_detector.detectMultiScale(gray, 1.3, 5)

    #框選人臉，for迴圈保證一個能檢測的實時動態視訊流
    for (x, y, w, h) in faces:
        #xy為左上角的座標,w為寬，h為高，用rectangle為人臉標記畫框
        cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0))
        #成功框選則樣本數增加
        count += 1  
        #儲存影象，把灰度圖片看成二維陣列來檢測人臉區域
        #(這裡是建立了data的資料夾，當然也可以設定為其他路徑或者呼叫資料庫)
        cv2.imwrite("data/User."+str(face_id)+'.'+str(count)+'.jpg',gray[y:y+h,x:x+w]) 
        #顯示圖片
        cv2.imshow('image',img)       
        #保持畫面的連續。waitkey方法可以繫結按鍵保證畫面的收放，通過q鍵退出攝像
    k = cv2.waitKey(1)        
    if k == '27':
        break        
        #或者得到800個樣本後退出攝像，這裡可以根據實際情況修改資料量，實際測試後800張的效果是比較理想的
    elif count >= 800:
        break

#關閉攝像頭，釋放資源
cap.realease()
cv2.destroyAllWindows()

經博主測試，在執行

「face_detector = cv2.CascadeClssifier(r'C:\Users\admin\Desktop\python\data\haarcascade_frontalface_default.xml')」此語句時，實際路徑中的目錄名儘量不要有中文字元出現，否則容易報錯。

這樣，你的電腦就能看到你啦！

2. 通過演演算法建立對照模型

本次所用的演演算法為opencv中所自帶的演演算法，opencv較新版本中（我使用的是2.4.8）提供了一個FaceRecognizer類，裡面有相關的一些臉部辨識的演演算法及函數介面，其中包括三種臉部辨識演演算法（我們採用的是第三種）

1.eigenface

2.fisherface

3.LBPHFaceRecognizer

LBP是一種特徵提取方式，能提取出影象的區域性的紋理特徵，最開始的LBP運算元是在3X3視窗中，取中心畫素的畫素值為閥值，與其周圍八個畫素點的畫素值比較，若畫素點的畫素值大於閥值，則此畫素點被標記為1，否則標記為0。這樣就能得到一個八位二進位制的碼，轉換為十進位制即LBP碼，於是得到了這個視窗的LBP值，用這個值來反映這個視窗內的紋理資訊。

LBPH是在原始LBP上的一個改進，在opencv支援下我們可以直接呼叫函數直接建立一個LBPH臉部辨識的模型。

我們在前一部分的同目錄下建立一個Python檔案，檔名為trainner.py，用於編寫資料集生成指令碼。同目錄下，建立一個資料夾，名為trainner，用於存放我們訓練後的識別器。

#-----建立模型、建立資料集-----#-----建立模型、建立資料集-----

import os
import cv2
import numpy as np
from PIL import Image
#匯入pillow庫，用於處理影象
#設定之前收集好的資料檔案路徑
path = 'data'

#初始化識別的方法
recog = cv2.face.LBPHFaceRecognizer_create()

#呼叫熟悉的人臉分類器
detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

#建立一個函數，用於從資料集資料夾中獲取訓練圖片,並獲取id
#注意圖片的命名格式為User.id.sampleNum
def get_images_and_labels(path):
    image_paths = [os.path.join(path,f) for f in os.listdir(path)]
    #新建連個list用於存放
    face_samples = []
    ids = []

    #遍歷圖片路徑，匯入圖片和id新增到list中
    for image_path in image_paths:

        #通過圖片路徑將其轉換為灰度圖片
        img = Image.open(image_path).convert('L')

        #將圖片轉化為陣列
        img_np = np.array(img,'uint8')

        if os.path.split(image_path)[-1].split(".")[-1] != 'jpg':
            continue

        #為了獲取id，將圖片和路徑分裂並獲取
        id = int(os.path.split(image_path)[-1].split(".")[1])
        faces = detector.detectMultiScale(img_np)

        #將獲取的圖片和id新增到list中
        for(x,y,w,h) in faces:
            face_samples.append(img_np[y:y+h,x:x+w])
            ids.append(id)
    return face_samples,ids

#呼叫函數並將資料餵給識別器訓練
print('Training...')
faces,ids = get_images_and_labels(path)
#訓練模型
recog.train(faces,np.array(ids))
#儲存模型
recog.save('trainner/trainner.yml')

這就讓電腦認識到你是與眾不同的那顆星~

3. 識別

檢測，校驗，輸出其實都是識別的這一過程，與前兩個過程不同，這是涉及實際使用的過程，所以我們把他整合放在一個統一的一個檔案內。

#-----檢測、校驗並輸出結果-----
import cv2

#準備好識別方法
recognizer = cv2.face.LBPHFaceRecognizer_create()

#使用之前訓練好的模型
recognizer.read('trainner/trainner.yml')

#再次呼叫人臉分類器
cascade_path = "haarcascade_frontalface_default.xml" 
face_cascade = cv2.CascadeClassifier(cascade_path)

#載入一個字型，用於識別後，在圖片上標註出物件的名字
font = cv2.FONT_HERSHEY_SIMPLEX

idnum = 0
#設定好與ID號碼對應的使用者名稱，如下，如0對應的就是初始

names = ['初始','admin','user1','user2','user3']

#呼叫攝像頭
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)
    #識別人臉
    faces = face_cascade.detectMultiScale(
            gray,
            scaleFactor = 1.2,
            minNeighbors = 5,
            minSize = (int(minW),int(minH))
            )
    #進行校驗
    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])

        #計算出一個檢驗結果
        if confidence < 100:
            idum = names[idnum]
            confidence = "{0}%",format(round(100-confidence))
        else:
            idum = "unknown"
            confidence = "{0}%",format(round(100-confidence))

        #輸出檢驗結果以及使用者名稱
        cv2.putText(img,str(idum),(x+5,y-5),font,1,(0,0,255),1)
        cv2.putText(img,str(confidence),(x+5,y+h-5),font,1,(0,0,0),1)

        #展示結果
        cv2.imshow('camera',img)
        k = cv2.waitKey(20)
        if k == 27:
            break

#釋放資源
cam.release()
cv2.destroyAllWindows()

現在，你的電腦就能識別出你來啦！

通過其他組合也可以實現開機檢測等多種功能，你學會了嗎？

下面是博主審稿時的測試結果以及出現的一些問題哦~希望對大家有幫助（呲牙.jpg）

測試結果：

上圖為轉換為灰度圖片之後儲存在data目錄下的照片

成功識別出小編的星星臉(呲牙.jpg)

博主審稿測試過程中出現的問題：

（1）版本問題

解決方法：經過博主無數次的失敗，提示大家最好安裝python2.7，可以直接使用 pip install numpy 以及pip install opencv-python安裝numpy 以及對應python版本的opencv

（如果使用的是Anaconda2，pip相關命令可在開始選單Anaconda2資料夾下的Anaconda Prompt中輸入）

點選推文中給出的連結，將github中的檔案下載後放至編譯檔案所在的資料夾下，並更改程式碼中的相關目錄

（2）如果提示「module' object has no attribute 'face'」

解決方法：可以輸入 pip install opencv-contrib-python解決，如果提示需要commission，可以在後面加上 --user,即 pip install opencv-contrib-python --user

如有其它問題歡迎大家隨時聯絡博主呀~~~

用Python實現簡單的臉部辨識，10分鐘搞定！（附原始碼）

前言

一、首先

二、接下來

1. 對照人臉獲取

2. 通過演演算法建立對照模型

3. 識別