OpenCV人脸识别项目(训练+测试)

这篇具有很好参考价值的文章主要介绍了OpenCV人脸识别项目(训练+测试)。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。

图片来自网上,如果侵权,告知则删除

>>>>>>>>批量修改文件名(常见文件操作,可以学习一下)

import os

path = './opencv/data/images'

# 获取该目录下所有文件,存入列表中
labelList = os.listdir(path)
n = 0
count = 1
for label in labelList:
    print(label)
    dirPath = os.path.join(path,label)
    for img_name in os.listdir(dirPath):
        old_img_path = os.path.join(dirPath,img_name)
        # 设置新文件名
        name = str(n+1)+'.' + str(label) + '.'+ str(count) +'.jpg'
        # new_img_path = os.path.join(dirPath,name)
        new_img_path = dirPath + '/' + name
        print(old_img_path)
        print(new_img_path)
        os.rename(old_img_path, new_img_path)
        count +=1
    n+=1

>>>>>>>>进入正题 

(一)读取图片

#导入cv模块
import  cv2 as cv
#读取图片
img = cv.imread('face1.png')
#显示图片
cv.imshow('read_img',img)
#等待
cv.waitKey(0)
#释放内存
cv.destroyAllWindows()

opencv人脸识别模型训练,opencv,人工智能,计算机视觉

(二)灰度转换

#导入cv模块
import cv2 as cv
#读取图片
img = cv.imread('face1.png')
#灰度转换
gray_img = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
#显示灰度图片
cv.imshow('gray_img',gray_img)
#保存灰度图片
cv.imwrite('gray_face1.png',gray_img)
#显示图片
cv.imshow('read_img',img)
#等待
cv.waitKey(0)
#释放内存
cv.destroyAllWindows()

opencv人脸识别模型训练,opencv,人工智能,计算机视觉

(三)修改尺寸

#导入cv模块
import cv2 as cv
#读取图片
img = cv.imread('face1.png')
#修改尺寸
resize_img = cv.resize(img,dsize=(200,200))
#显示原图
cv.imshow('img',img)
#显示修改后的
cv.imshow('resize_img',resize_img)
#打印原图尺寸大小
print('未修改',img.shape)
#打印修改后的大小
print('修改后',resize_img.shape)
#等待
while True:
    if ord('q') == cv.waitKey(0):
        break
cv.waitKey(0)
#灰度转换
gray_img = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
#显示灰度图片
cv.imshow('gray_img',gray_img)
#保存灰度图片
cv.imwrite('gray_face1.png',gray_img)
#显示图片
cv.imshow('read_img',img)
#等待
cv.waitKey(0)
#释放内存
cv.destroyAllWindows()

opencv人脸识别模型训练,opencv,人工智能,计算机视觉

(四)绘制矩形

#导入cv模块
import cv2 as cv
#读取图片
img = cv.imread('face1.png')
#坐标
x,y,w,h = 50,50,50,50
#绘制矩形
cv.rectangle(img,(x,y,x+w,y+h),color=(0,0,255),thickness=1)
#绘制圆形
cv.circle(img,center=(x+w,y+h),radius=50,color=(255,0,0),thickness=2)
#显示
cv.imshow('re_img',img)
#等待
while True:
    if ord('q') == cv.waitKey(0):
        break
#释放内存
cv.destroyAllWindows()

(五)人脸检测

#导入cv模块
import cv2 as cv
def face_detect_demo(img):
    gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    # 分类器
    face_detect = cv.CascadeClassifier('F:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')
    face = face_detect.detectMultiScale(gray,1.01,5,0,(100,100),(300,300))
    for x,y,w,h in face:
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
    cv.imshow('res',img)
# 读取图片
img = cv.imread('face1.png')
# 检测函数
face_detect_demo(img)
# 等待
while True:
    if ord('q') == cv.waitKey(0):
        break

# 释放内存
cv.destroyAllWindows()

opencv人脸识别模型训练,opencv,人工智能,计算机视觉

(六)检测多个人脸

#导入cv模块
import cv2 as cv
def face_detect_demo(img):
    gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    # 分类器
    # face_detect = cv.CascadeClassifier('F:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')
    face_detect = cv.CascadeClassifier('F:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
    # face = face_detect.detectMultiScale(gray,1.1,5,0,(10,10),(100,100))
    face = face_detect.detectMultiScale(gray,1.1)
    for x,y,w,h in face:
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
    cv.imshow('res',img)
# 读取图片
img = cv.imread('multi_face1.png')
# 检测函数
face_detect_demo(img)
# 等待
while True:
    if ord('q') == cv.waitKey(0):
        break

# 释放内存
cv.destroyAllWindows()

opencv人脸识别模型训练,opencv,人工智能,计算机视觉

(七)视频检测

#导入cv模块
import cv2 as cv
def face_detect_demo(img):
    gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    # 分类器
    # face_detect = cv.CascadeClassifier('F:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')
    face_detect = cv.CascadeClassifier('F:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
    # face = face_detect.detectMultiScale(gray,1.1,5,0,(10,10),(100,100))
    face = face_detect.detectMultiScale(gray,1.1)
    for x,y,w,h in face:
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
    cv.imshow('res',img)
# 读取摄像头
cap = cv.VideoCapture(0)
# cap = cv.VideoCapture("face.mp4")
# 循环
while True:
    flag,frame = cap.read()
    if not flag:
        break
    face_detect_demo(frame)
    if ord('q') == cv.waitKey(0):
        break
# 释放内存
cv.destroyAllWindows()
# 释放摄像头
cap.release()

 (八)拍照保存

# 导入模块
import cv2
import os
# 摄像头
cap = cv2.VideoCapture(0)

num = 1

while(cap.isOpened()):#检测是否在开启状态
    flag,frame = cap.read() # 得到每帧图像
    cv2.imshow("Capture_Test",frame) #显示图像
    k = cv2.waitKey(1) & 0xFF #按键判断
    if k == ord('s'):#保存
        path = os.path.join('E:/faceRecognition/save_img/',str(num)+"_name"+".jpg")
        print(path)
        cv2.imwrite(path,frame)
        print("success to save"+str(num)+".jpg")
        print("----------------")
        num+=1
    elif k == ord(' '):
        break
# 释放摄像头
cap.release()
# 释放内存
cv2.destroyAllWindows()

>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>准备数据集>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>

训练集train

opencv人脸识别模型训练,opencv,人工智能,计算机视觉

opencv人脸识别模型训练,opencv,人工智能,计算机视觉 注意:第一个.前面是id,后面是label

测试集test

opencv人脸识别模型训练,opencv,人工智能,计算机视觉

(九)数据训练

import os
import cv2
from PIL import Image
import numpy as np

def getImageAndLabels(path):
    #存储人脸数据
    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))]
    imagePaths = []
    for f in os.listdir(path):
        img_path = path+'/' + f
        imagePaths.append(img_path)
    #加载分类器
    face_detect = cv2.CascadeClassifier('F:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')
    # print(imagePaths)
    #遍历列表中的图片
    for imagePath in imagePaths:
        # print(imagePath)
        #打开图片,灰度化PIL有九种不同模式
        PIL_img = Image.open(imagePath).convert('L')
        #将图像转换为数组,以黑白深浅
        img_numpy = np.array(PIL_img,'uint8')
        #保存图片人脸检测
        faces = face_detect.detectMultiScale(img_numpy)
        #获取每张图片的id和姓名
        id = int(os.path.split(imagePath)[1].split('.')[0])
        #预测无面容的图片
        for x,y,w,h in faces:
            ids.append(id)
            facesSamples.append(img_numpy[y:y+h,x:x+w])
        #打开脸部特征和id
    # print('id:',id)
    # print('fs:',facesSamples)
    return facesSamples,ids

if __name__ == '__main__':
    # 图片路径
    path = './opencv/data/images'
    # 获取该目录下所有文件,存入列表中
    labelList = os.listdir(path)
    facesList = []
    idsList = []
    for label in labelList:
        dirPath = path + '/' + str(label)
        # print('dirPath',dirPath)
        # 获取图像数组和id标签数组和姓名
        faces,ids = getImageAndLabels(dirPath)
        # print(faces)
        # print(ids)
        for face in faces:
            facesList.append(face)
        for id in ids:
            idsList.append(id)
        # # 加载识别器
        # recognizer = cv2.face.LBPHFaceRecognizer_create()
        # #训练
        # recognizer.train(faces,np.array(ids))
        # #保存文件
        # recognizer.write("trainer/trainer.yml")

    # print(facesList)
    # print(idsList)
    # 加载识别器
    recognizer = cv2.face.LBPHFaceRecognizer_create()
    #训练
    recognizer.train(facesList,np.array(idsList))
    #保存文件
    recognizer.write("trainer/trainer.yml")

(十)人脸识别

import cv2
import numpy as np
import os
# coding=utf-8
import urllib
import urllib.request
import hashlib

#加载训练数据集文件
recogizer=cv2.face.LBPHFaceRecognizer_create()
recogizer.read('trainer/trainer.yml')
names=[]

#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('F:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')
    # face=face_detector.detectMultiScale(gray,1.1,5,cv2.CASCADE_SCALE_IMAGE,(100,100),(300,300))
    face=face_detector.detectMultiScale(gray,1.1)
    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])
        print('标签id:',ids,'置信评分:', confidence)
        if confidence > 80:
            cv2.putText(img, str(names[ids - 1]), (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.35, (0, 255, 0), 1)
            # 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.putText(img, 'unkonw', (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
    cv2.namedWindow("result", cv2.WINDOW_NORMAL | cv2.WINDOW_KEEPRATIO)
    cv2.resizeWindow("result", 400, 400)
    cv2.moveWindow("result", 500, 250)  # 显示框位置,左上角为原点(0, 0)坐标,第一个是x坐标,第二个是y坐标
    cv2.imshow('result',img)
    #print('bug:',ids)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

def name():
    # path = './data/jm/'
    path = './opencv/data/images'
    names = []

    # 获取该目录下所有文件,存入列表中
    labelList = os.listdir(path)
    for label in labelList:
        names.append(label)
    print(names)
    return names


names = name()
path = './test'
for img_name in os.listdir(path):
    img_path = path + '/' + img_name
    img = cv2.imread(img_path)
    face_detect_demo(img)


# cap=cv2.VideoCapture('1.mp4')
# while True:
#     flag,frame=cap.read()
#     if not flag:
#         break
#     face_detect_demo(frame)
#     if ord(' ') == cv2.waitKey(10):
#         break

# cap.release()

 >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>实验效果>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>

opencv人脸识别模型训练,opencv,人工智能,计算机视觉opencv人脸识别模型训练,opencv,人工智能,计算机视觉opencv人脸识别模型训练,opencv,人工智能,计算机视觉opencv人脸识别模型训练,opencv,人工智能,计算机视觉

opencv人脸识别模型训练,opencv,人工智能,计算机视觉opencv人脸识别模型训练,opencv,人工智能,计算机视觉opencv人脸识别模型训练,opencv,人工智能,计算机视觉opencv人脸识别模型训练,opencv,人工智能,计算机视觉

本实验数据很少,做了个小demo,喜欢的话点个赞👍+收藏!!!!!!!!!!!! 文章来源地址https://www.toymoban.com/news/detail-759823.html

到了这里,关于OpenCV人脸识别项目(训练+测试)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!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 人脸识别(opencv--LBPH方法训练)

    一、准备数据 1.利用人脸检测方法,先将图像的人脸部分截取成图像 2.批量读取图像,制作成图像与标签对应的列表 二、开始训练 3.训练(使用opencv自带的训练方法) 4.调用 HOG人脸检测器 1.利用人脸检测方法,先将图像的人脸部分截取成图像 选用HOG的目的是为了方便而已,你完全

    2024年02月05日
    浏览(85)
  • 【opencv】python实现人脸检测和识别训练

    OpenCV 中的人脸识别通常基于哈尔特征分类器(Haar Cascade Classifier)进行。以下是 OpenCV 人脸识别的基本原理: Haar Cascade Classifier : 特征分类器 :Haar 特征是一种基于矩形区域的特征,可以用于图像中的对象检测。这些特征可以表示边缘、线和区域的变化等。 级联分类器 :

    2024年01月17日
    浏览(49)
  • Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 简单人脸检测/识别实战案例 之六 简单进行人脸训练与识别

    目录 Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 简单人脸检测/识别实战案例 之六 简单进行人脸训练与识别 一、简单介绍 二、简单进行人脸训练与识别 1、LBPH(Local Binary Patterns Histograms)算法进行人脸训练和识别 2、实现步骤: 3、判断是谁的人脸: 案例中涉及的关键函数说

    2024年04月26日
    浏览(86)
  • (项目笔记)opencv人脸识别

    Haar级联: Haar特征:边缘特征,线性特征,中心环绕特征,对角线特征 这些特征组合为特征模板,特征模板里有白色和黑色矩形,模板特征即为白色矩形像素和减去黑色矩形像素和。 Haar 特征的提取简单说就是通过不断改变模版的大小、位置和类型,白色矩形区域像素和‘减

    2024年02月05日
    浏览(40)
  • 项目:基于OpenCV+百度云人脸识别项目

    基于OpenCV和百度云人脸识别的项目可以使用以下的框架来实现: 数据采集和预处理:使用OpenCV来采集摄像头或读取图像文件,并对图像进行预处理操作,例如裁剪、调整大小、灰度化等。 人脸检测:使用OpenCV的人脸检测功能来检测图像中的人脸。可以使用预训练的人脸检测

    2024年01月16日
    浏览(46)
  • 做一个人脸识别考勤机项目(利用OpenCV)

    重要说明 :此项目直接跟进操作的话只能在Ubuntu16.04上面编译成功!目前已经补上18.04上的编译操作。         本文主要跟随B站Up主【物联网小学妹】上传的【从0到1做一个物联网人脸识别考勤机项目!】视频教程做一个简要笔记 视频地址:【大厂敲门砖】从0到1做一个物

    2024年04月22日
    浏览(49)
  • Python基于深度学习的人脸识别项目源码+演示视频,利用OpenCV进行人脸检测与识别 preview

    ​ 该人脸识别实例是一个基于深度学习和计算机视觉技术的应用,主要利用OpenCV和Python作为开发工具。系统采用了一系列算法和技术,其中包括以下几个关键步骤: 图像预处理 :首先,对输入图像进行预处理,包括读取图片、将图片灰度转换、修改图片的尺寸、绘制矩形

    2024年04月13日
    浏览(64)
  • 基于python-opencv,svm的开源人脸识别项目

      前言       本项目是我自己在学校里完成的一个小项目,本项目为基于python-opencv,svm的人脸识别开源项目,不同于其他的直接从kaggle等获取划分好的数据集,本项目致力于从无到有的完成机器学习的所有步骤,即: 目录 项目展示: 一、数据采集 1.创建爬虫项目 2.修改set

    2024年02月08日
    浏览(45)
  • java项目分享 - 基于opencv、dilb的员工人脸识别考勤系统

    基于opencv、dilb的员工人脸识别考勤系统 提示:适合用于课程设计或毕业设计,工作量达标,源码开放 选题“员工刷脸考勤”,要求采用python语言开发,可以通过摄像头添加员工面部信息,这里就涉及到两个具体的个问题,一个是应该以什么样的数据来标识每一个员工的面部

    2024年01月17日
    浏览(50)
  • 深度学习毕设项目 深度学习 python opencv 实现人脸年龄性别识别

    🔥 这两年开始毕业设计和毕业答辩的要求和难度不断提升,传统的毕设题目缺少创新和亮点,往往达不到毕业答辩的要求,这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。 为了大家能够顺利以及最少的精力通过毕设,学长分享优质毕业设计项目,今天

    2024年02月03日
    浏览(55)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包