Python基于pyopencv人脸识别并绘制GUI界面

项目介绍

我们先来看看成果：

首先写了一个能够操作的GUI界面。

其中两个按钮对应相应的功能：

采集人脸：

识别功能：

我可是牺牲了色相五五五五。。。（电脑像素不是很好大家将就一下嘿嘿嘿）

项目思路

本项目是借助于python的一个cv2图像识别库，通过调取电脑的摄像头进行识别人脸并保存人脸图片的功能，然后在通过cv2中的这两个训练工具对保存的人脸图片进行训练（这些都是已经写好的人脸识别算法）我们直接调用就可以。

项目模块

本项目大致细分能分四个模块。

1.人脸采集

通过

cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

对摄像头的图片进行人脸信息的对比，找到人脸的核心区域然后用长方形方框给圈出来，等待指令，并且进行下一步的保存人脸图片：

这些都是我保存好的（我可是牺牲了色相呜呜呜）这些用来进行数据训练。

2.数据训练

将某一目录下的图片转化为数组，获取每张图片中人脸部分的数据保存到事先创建好的列表中，同时获取每张图片的ID，同样保存在事先创建好的列表中，最后将训练后的数据保存。

3.人脸识别

cv2会把训练好的数据放在一个文件中，我们在识别的时候直接调用这个数据和摄像头上面的人脸进行对比。

 上图为训练好的一个文件。

识别效果在上面大家也看到了！！！

4.GUI界面

这个我是通过pyqt来设计了一个简单的GUI界面，配置pyqt环境我在我之前的一篇博客介绍过了——pyqt的介绍

使用了两个简单的button来进行一个可视化。

项目代码

人脸采集

import numpy as np
import cv2
def b():
   print('正在调用摄像头！')

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

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

while True:
       ret, img = cap.read()
       #将彩色图转为灰度图
       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 == ord('s'):
           n = input('请输入编号：')
           cv2.imwrite('./data/jm/'+n+'.jpg',roi_gray)
       if k == 27: # press 'ESC' to quit
           break

cap.release()
   cv2.destroyAllWindows()

b()

数据训练

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

def getImageAndLabels(path):
   facesSamples=[]
   ids=[]
   imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
   #检测人脸
   face_detector = cv2.CascadeClassifier('haarcascade_frontalface_alt2.xml')
   #打印数组imagePaths
   print('数据排列：',imagePaths)
   #遍历列表中的图片
   for imagePath in imagePaths:
       #打开图片,黑白化
       PIL_img=Image.open(imagePath).convert('L')
       #将图像转换为数组，以黑白深浅
      # PIL_img = cv2.resize(PIL_img, dsize=(400, 400))
       img_numpy=np.array(PIL_img,'uint8')
       #获取图片人脸特征
       faces = face_detector.detectMultiScale(img_numpy)
       #获取每张图片的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])
       #打印脸部特征和id
       #print('fs:', facesSamples)
       print('id:', id)
       #print('fs:', facesSamples[id])
   print('fs:', facesSamples)
   #print('脸部例子：',facesSamples[0])
   #print('身份信息：',ids[0])
   return facesSamples,ids

if __name__ == '__main__':
   #图片路径
   path='./data/jm/'
   #获取图像数组和id标签数组和姓名
   faces,ids=getImageAndLabels(path)
   #获取训练对象

recognizer=cv2.face.LBPHFaceRecognizer_create()

#recognizer.train(faces,names)#np.array(ids)
   recognizer.train(faces,np.array(ids))
   #保存文件
   recognizer.write('trainer/trainer3.yml')

人脸识别

import cv2
import os
def a():
   #加载识别器
   recognizer = cv2.face.LBPHFaceRecognizer_create()
   recognizer.read('trainer/trainer3.yml')
   #加载分类器
   cascade_path = "haarcascade_frontalface_alt2.xml"
   face_cascade = cv2.CascadeClassifier(cascade_path)
   cam = cv2.VideoCapture(0)
   minW = 0.1*cam.get(3)
   minH = 0.1*cam.get(4)
   font = cv2.FONT_HERSHEY_SIMPLEX
   names = []
   agelist=[21,21,21,21,21,21,22]
   path='./data/jm/'
   imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
   for imagePath in imagePaths:
       id = int(os.path.split(imagePath)[1].split('.')[0])
       names.append(id)
   while True:
       ret, img = cam.read()
       gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
       faces = face_cascade.detectMultiScale(
           gray,
           scaleFactor=1.3,
           minNeighbors=5,
           minSize=(int(minW), int(minH))
       )
       for (x, y, w, h) in faces:
           cv2.rectangle(img, (x , y ), (x + w , y + h ), (225, 0, 0), 2)
           img_id, confidence = recognizer.predict(gray[y:y + h, x:x + w])
           print(img_id,confidence)
           if confidence < 50:
               confidence = "{0}％".format(round(100 - confidence))
           else:
               img_id = "Unknown"
               confidence = "{0}％".format(round(100 - confidence))
           if img_id != "Unknown":
               print('识别成功！！')
           else:
               print('识别失败！！')
           cv2.putText(img, str(img_id), (x, y + h), font, 0.55, (0, 255, 0), 1)
           cv2.putText(img, "18", (x , y + 500), font, 1, (0, 255, 0), 1)
           cv2.putText(img, "18", (x , y +h + 150), font, 1, (0, 255, 0), 1)

cv2.putText(img, str(confidence), (x + 5, y - 5), font, 1, (0, 255, 0), 1)
       cv2.imshow('face', img)
       if cv2.waitKey(5) & 0xFF == 27:
           break

cam.release()
   cv2.destroyAllWindows()

合并GUI

from PyQt5 import QtCore, QtGui, QtWidgets
import cv2

class Ui_MainWindow(QtWidgets.QMainWindow):
   def __init__(self):
       super(Ui_MainWindow,self).__init__()
   def setupUi(self, MainWindow):
       MainWindow.setObjectName("MainWindow")
       MainWindow.resize(565, 331)
       self.centralwidget = QtWidgets.QWidget(MainWindow)
       self.centralwidget.setObjectName("centralwidget")
       self.pushButton = QtWidgets.QPushButton(self.centralwidget)
       self.pushButton.setGeometry(QtCore.QRect(70, 190, 111, 61))
       self.pushButton.setObjectName("pushButton")
       self.pushButton_2 = QtWidgets.QPushButton(self.centralwidget)
       self.pushButton_2.setGeometry(QtCore.QRect(310, 190, 121, 61))
       self.pushButton_2.setObjectName("pushButton_2")
       self.label = QtWidgets.QLabel(self.centralwidget)
       self.label.setGeometry(QtCore.QRect(180, 60, 161, 81))
       self.label.setObjectName("label")
       MainWindow.setCentralWidget(self.centralwidget)
       self.menubar = QtWidgets.QMenuBar(MainWindow)
       self.menubar.setGeometry(QtCore.QRect(0, 0, 565, 26))
       self.menubar.setObjectName("menubar")
       MainWindow.setMenuBar(self.menubar)
       self.statusbar = QtWidgets.QStatusBar(MainWindow)
       self.statusbar.setObjectName("statusbar")
       MainWindow.setStatusBar(self.statusbar)

self.retranslateUi(MainWindow)
       QtCore.QMetaObject.connectSlotsByName(MainWindow)

def retranslateUi(self, MainWindow):
       _translate = QtCore.QCoreApplication.translate
       MainWindow.setWindowTitle(_translate("MainWindow", "MainWindow"))
       self.pushButton.setText(_translate("MainWindow", "采集人脸信息"))
       self.pushButton_2.setText(_translate("MainWindow", "开始识别"))
       # self.label.setText(_translate("MainWindow", "结果："))
       self.pushButton.clicked.connect(self.b)
       self.pushButton_2.clicked.connect(self.final)

def b(self):
       print('正在调用摄像头！')
       print("输入'esc'为退出！！！")

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

cap = cv2.VideoCapture(0)
       cap.set(3, 640)  # set Width
       cap.set(4, 480)  # set Height
       print("请输入字母's'保存信息！！")
       while True:
           ret, img = cap.read()
           # 将彩色图转为灰度图
           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 == ord('s'):
               n = input('请输入编号：')
               cv2.imwrite('./data/jm/' + n + '.jpg', roi_gray)
           if k == 27:
               break

cap.release()
       cv2.destroyAllWindows()
       print("正在训练！！！")
       self.train()

def final(self):
       import face_zhineng.final_face
       face_zhineng.final_face.a()

def train(self):
       import cv2
       import numpy as np
       import face_zhineng.training
       # 图片路径
       path = './data/jm/'
       faces, ids = face_zhineng.training.getImageAndLabels(path)
       # 获取训练对象
       recognizer = cv2.face.LBPHFaceRecognizer_create()
       recognizer.train(faces, np.array(ids))
       # 保存文件
       recognizer.write('trainer/trainer3.yml')
       print("训练完毕！！！")

if __name__ == '__main__':
   import sys

app = QtWidgets.QApplication(sys.argv)
   MainWindow = QtWidgets.QMainWindow()
   ui = Ui_MainWindow()
   ui.setupUi(MainWindow)
   MainWindow.show()
   sys.exit(app.exec_())

项目总结

来源：https://blog.csdn.net/m0_54355125/article/details/121714202