opencv-第五章：人脸识别

可丶乐

235人浏览 · 2026-05-12 10:43:42

可丶乐 · 2026-05-12 10:43:42 发布

OpenCV-计算机视觉技术（林伟鹏版）

opencv-第五章：人脸识别

文章目录

OpenCV-计算机视觉技术（林伟鹏版）
前言
一、图像轮廓检测概念-第一步，图像读取
二、人脸识别基础-第二步，灰度转换
三、人脸识别基础-第二步，灰度转换
四、人脸识别基础-第四步，给图像绘制矩形框
五、人脸识别基础-第五步，人脸检查
六、人脸识别基础-第六步，检测多个人脸
七、人脸识别基础-第七步，视频检查
八、人脸识别基础-第八步，拍照保存，制作人脸数据集
九、人脸识别基础-第九步，训练数据
十、人脸识别基础-第十步，人脸识别部分

前言

本博客将教会大家如何使用opencv实现人脸识别

一、图像轮廓检测概念-第一步，图像读取

#第一步，图像读取

#导入cv模块
import cv2 as cv
#读取图片
img = cv.imread('2.hg.png')
#显示图片
cv.imshow('read_img',img)
#等待
cv.waitKey(0)
#释放内存
cv.destroyAllWindows()

在这里插入图片描述

二、人脸识别基础-第二步，灰度转换

#第二步，灰度转换

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

在这里插入图片描述

三、人脸识别基础-第二步，灰度转换

#第三步，图像的尺寸修改

#导入cv模块
import cv2 as cv
#读取图片
img = cv.imread('face1.jpg')
#修改尺寸，将图像转化为200*200的大小
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，使用shape方法展示图像的尺寸
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
#释放内存
cv.destroyAllWindows()

在这里插入图片描述

四、人脸识别基础-第四步，给图像绘制矩形框

# 第四步，给图像绘制矩形框

#导入cv模块
import cv2 as cv
#读取图片
img = cv.imread('face1.jpg')
#坐标
x,y,w,h = 100,100,100,100
#绘制矩形，在（x,y）坐标，也就是在（100,100）这个位置，画一个长宽都为100的矩形，颜色
cv.rectangle(img,(x,y,x+w,y+h),color=(0,0,255),thickness=1)
#绘制圆形，同样也是在x,y）坐标，也就是在（100,100）这个位置，画一个radius=100的圆形
cv.circle(img,center=(x+w,y+h),radius=100,color=(255,0,0),thickness=5)
#显示
cv.imshow('re_img',img)
while True:
    if ord('q') == cv.waitKey(0):
        break
#释放内存
cv.destroyAllWindows()

在这里插入图片描述

五、人脸识别基础-第五步，人脸检查

关键注意寻找xml文件，在opencv库中

**#第五步，人脸检查
#使用的是opencv官方提供的代码，也是大家下载好opencv库后，我们本地的opencv文件夹夹中的一个文件
#找到我们本地的haarcascade_frontalface_alt2.xml的文件地址
# 导入OpenCV库，简写为cv方便后续调用
import cv2 as cv

# 定义人脸检测函数，封装检测逻辑
def face_detect_demo():
    # 将彩色图像转换为灰度图像，人脸检测算法需要灰度图才能更准确识别
    gary = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    
    # 加载OpenCV官方提供的人脸检测分类器（训练好的模型）
    # 路径为OpenCV库自带的人脸检测xml文件位置
    face_detect = cv.CascadeClassifier('C:/Users/HP/AppData/Roaming/Python/Python311/site-packages/cv2/data/haarcascade_frontalface_alt2.xml')
    
    # 调用检测方法识别图片中的人脸
    # gary：灰度图
    # 1.01：图像缩放比例，越小检测越精细，速度越慢
    # 5：最小邻域值，过滤误检测
    # 0：参数保留位，固定为0
    # (100,100)：检测的最小人脸尺寸
    # (300,300)：检测的最大人脸尺寸
    face = face_detect.detectMultiScale(gary,1.004,5,0,(80,80),(300,300))
    
    # 遍历检测到的所有人脸坐标
    # x,y：人脸左上角坐标；w,h：人脸宽度和高度
    for x,y,w,h in face:
        # 在原图上绘制红色矩形框标记人脸
        # (0,0,255)表示红色，thickness=2表示边框粗细为2
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
    
    # 创建窗口显示检测后的结果图像
    cv.imshow('result',img)

# 读取本地图片文件，生成图像矩阵
# 图片路径为当前代码所在目录下的face1.jpg
img = cv.imread('face3.jpg')

# 调用人脸检测函数，执行检测并显示
face_detect_demo()

# 循环等待按键输入
# 实现窗口停留，不自动关闭
while True:
    # 等待键盘按键，按下q键时退出循环
    # cv.waitKey(0)表示无限等待按键输入
    if ord('q') == cv.waitKey(0):
        break

# 关闭所有OpenCV创建的窗口，释放系统资源
cv.destroyAllWindows()**

在这里插入图片描述

六、人脸识别基础-第六步，检测多个人脸

#第六步，检测多个人脸

# 导入OpenCV计算机视觉库，并用别名cv方便调用
import cv2 as cv

# 定义人脸检测功能函数
def face_detect_demo():
    # 将读取的彩色图像转换为灰度图像
    # 人脸检测算法必须使用灰度图才能正常工作
    gary = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    
    # 加载OpenCV自带的人脸检测分类器（训练好的模型文件）
    # 这个XML文件是官方训练好的正面人脸检测器
    face_detect = cv.CascadeClassifier('C:/Users/HP/AppData/Roaming/Python/Python311/site-packages/cv2/data/haarcascade_frontalface_default.xml')
    
    # 调用检测方法，在灰度图中检测人脸
    # 无额外参数时，使用默认配置检测所有大小的人脸
    face = face_detect.detectMultiScale(gary)
    
    # 遍历检测到的所有人脸区域
    # x,y：人脸左上角坐标  w：宽度  h：高度
    for x,y,w,h in face:
        # 在原始彩色图像上绘制红色矩形框标记人脸
        # color=(0,0,255) 表示红色  thickness=2 表示边框粗细
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
    
    # 创建名为result的窗口，显示标记好人脸的图像
    cv.imshow('result',img)

# 从当前代码目录下读取图片文件 face2.jpg
img = cv.imread('face2.jpg')

# 调用已经定义好的人脸检测函数，执行检测并显示结果
face_detect_demo()

# 无限循环等待按键输入，让图像窗口保持显示
while True:
    # 监听键盘按键，当按下 q 键时退出循环
    # cv.waitKey(0) 表示无限等待按键
    if ord('q') == cv.waitKey(0):
        break

# 关闭所有OpenCV打开的窗口，释放系统资源
cv.destroyAllWindows()

在这里插入图片描述

七、人脸识别基础-第七步，视频检查

#第七步，视频检查

#导入cv模块
import cv2 as cv
#检测函数
def face_detect_demo(img):
    gary = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    face_detect = cv.CascadeClassifier('C:/Users/HP/AppData/Roaming/Python/Python311/site-packages/cv2/data/haarcascade_frontalface_default.xml')
    face = face_detect.detectMultiScale(gary)
    for x,y,w,h in face:
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
    cv.imshow('result',img)

#读取摄像头
cap = cv.VideoCapture(0)
#循环
while True:
    flag,frame = cap.read()
    if not flag:
        break
    face_detect_demo(frame)
    if ord('q') == cv.waitKey(1):
        break
#释放内存
cv.destroyAllWindows()
#释放摄像头
cap.release()

八、人脸识别基础-第八步，拍照保存，制作人脸数据集

#第八步，拍照保存，制作人脸数据集

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

falg = 1
num = 1

while(cap.isOpened()):#检测是否在开启状态
    ret_flag,Vshow = cap.read()#得到每帧图像
    cv2.imshow("Capture_Test",Vshow)#显示图像
    k = cv2.waitKey(1) & 0xFF#按键判断
    if k == ord('s'):#保存
       cv2.imwrite("D:mycodetest/opencv/data/jm/"+str(num)+".123"+".jpg",Vshow)
       print("success to save"+str(num)+".jpg")
       print("-------------------")
       num += 1
    elif k == ord(' '):#退出
        break
#释放摄像头
cap.release()
#释放内存
cv2.destroyAllWindows()

九、人脸识别基础-第九步，训练数据

数据结构如下图：1表示图像序号，lena、hg、lyf表示图像标签，这个可以根据自己想法该，也可以一个文件夹名称一个类别人脸图像。

#第九步，训练数据

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

# 全局姓名映射表（自动把 lena 转成数字 1，zhangsan 转成数字 2...）
name_to_id = {}
current_id = 1

def getImageAndLabels(path):
    global current_id
    facesSamples=[]
    ids=[]
    imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
    #检测人脸
    face_detector = cv2.CascadeClassifier('C:/Users/HP/AppData/Roaming/Python/Python311/site-packages/cv2/data/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)
        # 获取真正的标签：从 1.lena.jpg 取出 lena（核心修复）
        name = os.path.split(imagePath)[1].split('.')[1]
        
        # 自动把姓名转为数字 ID，满足训练要求
        if name not in name_to_id:
            name_to_id[name] = current_id
            current_id += 1
        id = name_to_id[name]
        
        #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('姓名:', name, ' 数字ID:', id)
    print('fs:', facesSamples)
    
    # 保存姓名对照表，给识别程序用
    with open('trainer/names.txt','w',encoding='utf-8') as f:
        for name in name_to_id:
            f.write(name + '\n')
            
    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,np.array(ids))
    #保存文件
    if not os.path.exists('./trainer/'):
        os.makedirs('./trainer/')
    recognizer.write('trainer/trainer.yml')

在这里插入图片描述

十、人脸识别基础-第十步，人脸识别部分

图像识别，也可以进行视频识别

#第十步，人脸识别部分

import cv2 as cv
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=[]
warningtime = 0

def md5(str):
    import hashlib
    m = hashlib.md5()
    m.update(str.encode("utf8"))
    return m.hexdigest()




#准备识别的图片
def face_detect_demo(img):
    gray=cv2.cvtColor(img,cv.COLOR_BGR2GRAY)#转换为灰度
    face_detector=cv2.CascadeClassifier('C:/Users/HP/AppData/Roaming/Python/Python311/site-packages/cv2/data/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)
    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, '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.imshow('result',img)
    #print('bug:',ids)

def name():
    path = './data/jm/'
    #names = []
    imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
    for imagePath in imagePaths:
       name = str(os.path.split(imagePath)[1].split('.',2)[1])
       names.append(name)

# 读取单张图片（替换视频）
frame = cv2.imread('3.lyf.jfif')
name()
# 执行识别
face_detect_demo(frame)
# 等待按键退出
cv2.waitKey(0)
cv2.destroyAllWindows()