基于树莓派和opencv实现人脸识别-Toy模板网

这篇具有很好参考价值的文章主要介绍了基于树莓派和opencv实现人脸识别。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

基于树莓派和opencv实现人脸识别

源码我放在github上了
https://github.com/FjnuThomas/-opencv-
各位哥哥姐姐clone代码别忘了给个小心心哦😘

前言
一、人脸检测
二、图像采集
三、开始训练
四、人脸识别
总结

前言

我们这学期选修了一门嵌入式Linux，期末选择了基于树莓派和opencv实现人脸识别作为期末作业。为了展示的方便，我将几个主要的功能集成在一个文件中，并通过wxpython写了GUI界面。同时也通过pyinstaller将.py文件打包成了适配windows和Linux的
展现一下我觉得巨帅的GUI 界面

环境

树莓派3B V1.2
树莓派系统：bullseye
python 3.9.2
opencv-python 4.5.3.56
opencv-contrib-python 4.5.3.56
numpy 1.21.0
摄像头罗技C170

关于树莓派安装opencv的步骤，可以参考我的另一篇博文
树莓派3B安装opencv

关于用opencv实现人脸识别的原理，晚上有很多博客已经写得很详细了，我只是基本理解，就不在这边班门弄斧了，写这篇博文的主要目的是对自己所学的进行归纳，只演示代码运行之后的结果，并在关键处进行解释。完整代码的github链接我放在文章开头了，可以直接使用。
opencv是一个用于图像处理、分析、机器视觉方面的开源函数库，它为我们提供了很多现成的函数和分类器，可以让我们很容易地实现功能。

一、人脸检测

我们实现人脸识别的前提事件是人脸检测，只有检测到人脸，才能够收集到人脸的数据。
我们用的是opencv自带的分类器

haarcascade_frontalface_default.xml

代码实现：

import cv2

faceCascade = cv2.CascadeClassifier('Cascades/haarcascade_frontalface_default.xml')

        cap = cv2.VideoCapture(0)
        cap.set(3, 640)  # set Weight
        cap.set(4, 480)  # set Height

        while True:
            ret, img = cap.read()
            img = cv2.flip(img, 1) #如果摄像头倒置，将1改成-1
            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
            faces = faceCascade.detectMultiScale(
                gray,

                scaleFactor=1.2,
                minNeighbors=5
                ,
                minSize=(20, 20)
            )

            for (x, y, w, h) in faces:
                cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
                roi_gray = gray[y:y + h, x:x + w]
                roi_color = img[y:y + h, x:x + w]

            cv2.imshow('video', img)

            k = cv2.waitKey(30) & 0xff
            if k == 27:  # Esc for quit
                break
        cap.release()
        cv2.destroyAllWindows()

在python3下运行如下代码可以完成人脸检测的功能
基于树莓派和opencv实现人脸识别

二、图像采集

人脸识别的本质其实就是构建一个人脸信息的数据库，电脑比对摄像头采集到的人脸信息和数据库中存放的数据，从而得到一个比对的结果
图像采集需要我们在.py文件同目录下新建一个文件夹，用于存放采集得到的图片

mkdir data

采集得到的图片越多，构建的数据库越完善，判断成功的概率也越高，但图片太多同样会降低比对时的速度。
我这里是设置了每0.2s拍一张照片，按ecs或拍满40张照片时退出

k = cv2.waitKey(200) & 0xff  # ESC退出and每0.2s拍一张
            if k == 27:
                break
            elif count >= 40:  # 拍40张照片
                break

图像采集示例
（这边需要我们在终端输入id号，我这边输入4）
基于树莓派和opencv实现人脸识别

采集得到的图片
基于树莓派和opencv实现人脸识别

三、开始训练

训练是opencv人脸识别的重中之重
opencv为我们提供了多个内置函数，调用这些函数能够帮助我们训练得到自己的训练集这边我采用的是

 recognizer.train（）

在开始训练之前，我们需要新建一个空目录用于存放得到的模型

mkdir trainer

模型保存为.xml文件，要注意我们的代码是在树莓派下跑的，在树莓派下recognizer.write()是不能够使用的，因此我们用

recognizer.write('trainer/trainer.yml')

进行保存
训练成功实例
基于树莓派和opencv实现人脸识别

四、人脸识别

通过了前三个步骤，我们已经有了一个在data文件夹中保存采集到的图像、在trainer文件夹中保存自己训练的trainer.xml模型的文件了，我们就进入到了最后一步，也就是传说中的人脸识别了
人脸识别实例

基于树莓派和opencv实现人脸识别
可以看到，系统识别出我有73%的概率是彭于晏，识别的成功率还是很高的
关于输出名字的问题，在代码的这个部分

  id = 0
  names = ['None', 'pengyuyan', 'xsy', 'rhy']

我们可以在这里修改成自己想要的名字，在代码中还有这样的部分

        id, confidence = recognizer.predict(gray[y:y + h, x:x + w])
        # 判断成功概率>45时，输出id,否则输出unknow
        if (confidence < 55):
            id = names[id]
            confidence = "  {0}%".format(round(100 - confidence))
       else:
            id = "unknown"
            confidence = "  {0}%".format(round(100 - confidence))

用于修改自己想要的判断概率。
到这里我们的人脸识别就基本完成了

总结

经过这一次的项目经历，我有了如下的收获

学会了树莓派的配置，并在树莓派上配置了环境
对opencv库有了个基本的了解，熟悉几个内置函数的功能和使用
对Linux有了更深刻的理解
增加了python能力

不足之处：
在调试的过程中，我发现在树莓派上运行项目还是有比较明显的卡顿的，因此我有对代码进行优化的想法，查阅资料以后了解到了有一个东西叫做pypy，尝试过用pypy对文件进行编码，奈何我写的代码是基于python3.9，和当前的pypy版本不太匹配，只好暂时作罢。在之后应该会尝试进行一次重新编译。文章来源地址https://www.toymoban.com/news/detail-421938.html

到了这里，关于基于树莓派和opencv实现人脸识别的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！