首页 > temp > python入门教程 >
-
超级黑科技代码！Python打造电脑人脸屏幕解锁神器附带接头暗号
前言：让我的电脑认识我
我的电脑只有认识我，才配称之为我的电脑！
今天，我们用Python实现高大上的人脸识别技术！
Python里，简单的人脸识别有很多种方法可以实现，依赖于python胶水语言的特性，我们通过调用包可以快速准确的达成这一目的。这里介绍的是准确性比较高的一种。
""" 当然在学习Python的道路上肯定会困难，没有好的学习资料，怎么去学习呢？ 学习Python中有不明白推荐加入交流Q群号：928946953 群里有志同道合的小伙伴，互帮互助， 群里有不错的视频学习教程和PDF！ 还有大牛解答！ """
01 首先
梳理一下实现人脸识别需要进行的步骤：
流程大致如此，在此之前，要先让人脸被准确的找出来，也就是能准确区分人脸的分类器，在这里我们可以用已经训练好的分类器，网上种类较全，分类准确度也比较高，我们也可以节约在这方面花的时间。
https://github.com/opencv/opencv/tree/master/data/haarcascades
既然用的是python，那自然少不了包的使用了，在看代码之前，我们先将整个项目所需要的包罗列一下：
· CV2(Opencv)：图像识别，摄像头调用
· os：文件操作
· numpy：NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库
· PIL：Python Imaging Library，Python平台事实上图像处理的标准库
02 接下来
2.1 对照人脸获取
#-----获取人脸样本----- import cv2 #调用笔记本内置摄像头，参数为0，如果有其他的摄像头可以调整参数为1,2 cap = cv2.VideoCapture(0) #调用人脸分类器，要根据实际路径调整3 face_detector = cv2.CascadeClassifier(r'X:/Users/73950/Desktop/FaceRec/haarcascade_frontalface_default.xml') #待更改 #为即将录入的脸标记一个id face_id = input('\n User data input,Look at the camera and wait ...') #sampleNum用来计数样本数目 count = 0 while True: #从摄像头读取图片 success,img = cap.read() #转为灰度图片，减少程序符合，提高识别度 if success is True: gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) else: break #检测人脸，将每一帧摄像头记录的数据带入OpenCv中，让Classifier判断人脸 #其中gray为要检测的灰度图像，1.3为每次图像尺寸减小的比例，5为minNeighbors faces = face_detector.detectMultiScale(gray, 1.3, 5) #框选人脸，for循环保证一个能检测的实时动态视频流 for (x, y, w, h) in faces: #xy为左上角的坐标,w为宽，h为高，用rectangle为人脸标记画框 cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0)) #成功框选则样本数增加 count += 1 #保存图像，把灰度图片看成二维数组来检测人脸区域 #(这里是建立了data的文件夹，当然也可以设置为其他路径或者调用数据库) cv2.imwrite("data/User."+str(face_id)+'.'+str(count)+'.jpg',gray[y:y+h,x:x+w]) #显示图片 cv2.imshow('image',img) #保持画面的连续。waitkey方法可以绑定按键保证画面的收放，通过q键退出摄像 k = cv2.waitKey(1) if k == '27': break #或者得到800个样本后退出摄像，这里可以根据实际情况修改数据量，实际测试后800张的效果是比较理想的 elif count >= 800: break #关闭摄像头，释放资源 cap.realease() cv2.destroyAllWindows()
经小编测试，在执行
“face_detector = cv2.CascadeClssifier(r'C:\Users\admin\Desktop\python\data\
haarcascade_frontalface_default.xml')”此语句时，实际路径中的目录名尽量不要有中文字符出现，否则容易报错。
这样，你的电脑就能看到你啦！
2.2 通过算法建立对照模型
本次所用的算法为opencv中所自带的算法，opencv较新版本中（我使用的是2.4.8）提供了一个FaceRecognizer类，里面有相关的一些人脸识别的算法及函数接口，其中包括三种人脸识别算法（我们采用的是第三种）
1.eigenface
2.fisherface
3.LBPHFaceRecognizer
LBP是一种特征提取方式，能提取出图像的局部的纹理特征，最开始的LBP算子是在3X3窗口中，取中心像素的像素值为阀值，与其周围八个像素点的像素值比较，若像素点的像素值大于阀值，则此像素点被标记为1，否则标记为0。这样就能得到一个八位二进制的码，转换为十进制即LBP码，于是得到了这个窗口的LBP值，用这个值来反映这个窗口内的纹理信息。
LBPH是在原始LBP上的一个改进，在opencv支持下我们可以直接调用函数直接创建一个LBPH人脸识别的模型。
我们在前一部分的同目录下创建一个Python文件，文件名为trainner.py，用于编写数据集生成脚本。同目录下，创建一个文件夹，名为trainner，用于存放我们训练后的识别器。
#-----建立模型、创建数据集-----#-----建立模型、创建数据集----- import os import cv2 import numpy as np from PIL import Image #导入pillow库，用于处理图像 #设置之前收集好的数据文件路径 path = 'data' #初始化识别的方法 recog = cv2.face.LBPHFaceRecognizer_create() #调用熟悉的人脸分类器 detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') #创建一个函数，用于从数据集文件夹中获取训练图片,并获取id #注意图片的命名格式为User.id.sampleNum def get_images_and_labels(path): image_paths = [os.path.join(path,f) for f in os.listdir(path)] #新建连个list用于存放 face_samples = [] ids = [] #遍历图片路径，导入图片和id添加到list中 for image_path in image_paths: #通过图片路径将其转换为灰度图片 img = Image.open(image_path).convert('L') #将图片转化为数组 img_np = np.array(img,'uint8') if os.path.split(image_path)[-1].split(".")[-1] != 'jpg': continue #为了获取id，将图片和路径分裂并获取 id = int(os.path.split(image_path)[-1].split(".")[1]) faces = detector.detectMultiScale(img_np) #将获取的图片和id添加到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 #调用函数并将数据喂给识别器训练 print('Training...') faces,ids = get_images_and_labels(path) #训练模型 recog.train(faces,np.array(ids)) #保存模型 recog.save('trainner/trainner.yml')
这就让电脑认识到你是与众不同的那颗星~
2.3 识别
检测，校验，输出其实都是识别的这一过程，与前两个过程不同，这是涉及实际使用的过程，所以我们把他整合放在一个统一的一个文件内。
#-----检测、校验并输出结果----- import cv2 #准备好识别方法 recognizer = cv2.face.LBPHFaceRecognizer_create() #使用之前训练好的模型 recognizer.read('trainner/trainner.yml') #再次调用人脸分类器 cascade_path = "haarcascade_frontalface_default.xml" face_cascade = cv2.CascadeClassifier(cascade_path) #加载一个字体，用于识别后，在图片上标注出对象的名字 font = cv2.FONT_HERSHEY_SIMPLEX idnum = 0 #设置好与ID号码对应的用户名，如下，如0对应的就是初始 names = ['初始','admin','user1','user2','user3'] #调用摄像头 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) #识别人脸 faces = face_cascade.detectMultiScale( gray, scaleFactor = 1.2, minNeighbors = 5, minSize = (int(minW),int(minH)) ) #进行校验 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]) #计算出一个检验结果 if confidence < 100: idum = names[idnum] confidence = "{0}%",format(round(100-confidence)) else: idum = "unknown" confidence = "{0}%",format(round(100-confidence)) #输出检验结果以及用户名 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) #展示结果 cv2.imshow('camera',img) k = cv2.waitKey(20) if k == 27: break #释放资源 cam.release() cv2.destroyAllWindows()
现在，你的电脑就能识别出你来啦！
通过其他组合也可以实现开机检测等多种功能，你学会了吗？
下面是小编审稿时的测试结果以及出现的一些问题哦~希望对大家有帮助（呲牙.jpg）
测试结果
小编审稿测试过程中出现的问题：
（1）版本问题
解决方法：经过小编无数次的失败，提示大家最好安装python2.7，可以直接使用 pip install numpy 以及pip install opencv-python安装numpy 以及对应python版本的opencv
（如果使用的是Anaconda2，pip相关命令可在开始菜单Anaconda2文件夹下的Anaconda Prompt中输入）
点击推文中给出的链接，将github中的文件下载后放至编译文件所在的文件夹下，并更改代码中的相关目录
（2）如果提示“module' object has no attribute 'face'”
解决方法：可以输入 pip install opencv-contrib-python解决，如果提示需要commission，可以在后面加上 --user,即 pip install opencv-contrib-python --user
如有其它问题欢迎大家随时联系我们呀
将识别到人脸后的代码修改成如下
if matches[best_match_index]: speak("识别到人脸，开始询问暗号，请回答接下来我说的问题") time.sleep(1) speak("天王盖地虎") flag = False for times in range(0, 3): content = record() if "小鸡炖蘑菇" in content: speak("暗号通过") flag = True break else: speak("暗号不通过，再试一次") if flag: print("解锁") else: print("发送邮件并将坏人人脸图片上传！") error = 1 / 0 name = known_face_names[best_match_index]
出处：https://www.cnblogs.com/pythonQqun200160592/p/15178927.html
