1494天前2018-11-06 18:14:23 |    抢沙发  1747 
人脸识别已经是一种很成熟的技术了。在我们的python世界中当然也有人脸识别啦,python中人脸识别实施起来是相当容易的,因为你不必知道那些复杂的算法,只需要安装对应模块就OK了,本方案用到的模块有cv2(opencv-python) ,face_recognition模块,numpy模块和PIL模块(因为要在画面中显示中文)。

人脸识别

这里先说下需要安装哪些模块

pip install opencv-python
pip install matplotlib
pip install face_recognition
然后我就直接贴代码了因为敢时间:

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import face_recognition
import cv2
from PIL import Image, ImageDraw, ImageFont
import numpy as np


#获取网络摄像机#0的参考(默认值)
video_capture = cv2.VideoCapture(0)

# 本地图像
qiqi_image = face_recognition.load_image_file("IMG_2190.jpg")

#在图片中提取人脸特征矩阵 如果有多个就是一个列表 [0]表示第一个
# qiqi_face_encoding = face_recognition.face_encodings(qiqi_image,num_jitters=3)[0]

qiqi_face_encoding = face_recognition.face_encodings(qiqi_image,num_jitters=3)[0]


zhiyuan_image = face_recognition.load_image_file("FullSizeRender.jpg")
zhiyuan_face_encoding = face_recognition.face_encodings(zhiyuan_image,num_jitters=3)[0]

known_face_encodings = [
    zhiyuan_face_encoding,
    qiqi_face_encoding
]
known_face_names = [
    "静心",
    "媛媛"
]


#初始化一些变量
face_locations = []
face_encodings = []
face_names = []
process_this_frame = True

while True:
    # 抓取一帧视频
    ret, frame = video_capture.read()

    # 将视频帧调整为1/4大小,以加快脸部识别处理
    small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25)

    # 将图像从BGR颜色(OpenCV使用的)转换为RGB颜色(face_recognition使用)
    rgb_small_frame = small_frame[:, :, ::-1]

    # 只处理每隔一帧视频节省时间
    if process_this_frame:
        # 查找当前视频帧中的所有面部和脸部编码
        face_locations = face_recognition.face_locations(rgb_small_frame)
        #对摄像头中的帧进行运算得到特征码
        face_encodings = face_recognition.face_encodings(rgb_small_frame, face_locations,num_jitters=1)

        face_names = []
        for face_encoding in face_encodings:
            # 查看脸部是否与已知脸部相匹配(S)
            matches = face_recognition.compare_faces(known_face_encodings, face_encoding, tolerance=0.35)
            name = "Unknown"

            # 如果在known_face_encodings中找到了匹配项,只需使用第一个。
#             print(len(matches))
            if True in matches:
#                 print(len(matches))
                first_match_index = matches.index(True)
#                 print(first_match_index)
                name = known_face_names[first_match_index]

            face_names.append(name)

    process_this_frame = not process_this_frame


    # 显示结果
    for (top, right, bottom, left), name in zip(face_locations, face_names):
        # 自从我们检测到的框架缩放到1/4尺寸后,缩放后面的位置
        top *= 4
        right *= 4
        bottom *= 4
        left *= 4

        # 在脸上画一个盒子
        cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2)

        # 在脸部下面画一个名字
        # cv2.rectangle(frame, (left, bottom - 35), (right, bottom), (0, 0, 255), cv2.FILLED)
        # font = cv2.FONT_HERSHEY_DUPLEX
        # cv2.putText(frame, name, (left + 6, bottom - 6), font, 1.0, (255, 255, 255), 1)

        # PIL图片上打印汉字
        img_PIL = Image.fromarray(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB))
        draw = ImageDraw.Draw(img_PIL) # 图片上打印
        #画一个长方形
        draw.rectangle([(left, bottom - 35),(right, bottom)],(255,0,0))
        font = ImageFont.truetype("simhei.ttf", 38, encoding="utf-8") # 参数1:字体文件路径,参数2:字体大小
        draw.text((left, bottom - 35), name, (255, 255, 255), font=font) # 参数1:打印坐标,参数2:文本,参数3:字体颜色,参数4:字体

        # PIL图片转cv2 图片
        cv2charimg = cv2.cvtColor(np.array(img_PIL), cv2.COLOR_RGB2BGR)
    # 显示结果图像
    cv2.imshow('Video', cv2charimg)

    # 显示结果图像
    # cv2.imshow('Video', frame)

    # 点击键盘上的'q'退出!
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放网络摄像机的资源
video_capture.release()
cv2.destroyAllWindows()
以上代码就实现了由摄像头进行人脸捕获, 并用框框起来然后对比本地的图片判断是否是这个人如果是就显示这个人的名字

发表评论

暂无评论

登录

忘记密码 ?

切换登录

注册

扫一扫二维码分享