Opencv+python3.8+人臉識別+PIL法中文顯示-魔扣目錄

1 說明：

=====

1.1 參考文章：

https://www.cnblogs.com/xp12345/p/9818435.html

1.2 對原代碼進行注釋，調試，增加PIL法顯示中文標示。

1.3 獲取攝像頭實現動態人臉識別。

1.4 分為：偵測-收集-訓練-識別。

2 準備：

=====

2.1 安裝opencv：

pip install opencv-Python

2.2 注意：導入模塊

import cv2   #cv2不是版本號

科普一下：

cv2中的 2 不是指定發布的版本號，而是為了區分OpenCV的 C 和 C++ 的版本。

OpenCV1.x 使用 C 開發；而OpenCV2.x 使用C++。

2.3 環境：

華為筆記本電腦、深度deepin-linux操作系統、谷歌瀏覽器、python3.8和微軟vscode編輯器。

3 文件結構：

========

3.1 圖：

3.2 層次示意圖：

3.3 兩個xml文件來自：分類器一般位于安裝包cv2下

比如：本機：file:///usr/local/python3.8/lib/python3.8/site-packages/cv2/data下，復制過來即可

===以下代碼基于筆記本電腦的攝像頭，需打開，訓練自己頭像===

4 五個代碼依次進行：

===============

4.1 1-FaceDetection.py代碼：

#人臉檢測
import numpy as np
import cv2
# 人臉識別分類器
faceCascade = cv2.CascadeClassifier('/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml')
# 識別眼睛的分類器
eyeCascade = cv2.CascadeClassifier('/home/xgj/Desktop/face-de/haarcascade_eye.xml')
# 開啟攝像頭
cap = cv2.VideoCapture(0)
ok = True
result =[]  #原bug，自己補充
while ok:
    # 讀取攝像頭中的圖像，ok為是否讀取成功的判斷參數
    ok, img = cap.read()
    # 轉換成灰度圖像
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 人臉檢測
    faces = faceCascade.detectMultiScale(
        gray,
        scaleFactor=1.2,
        minNeighbors=5,
        minSize=(32, 32)
    )
    result = []
    # 在檢測人臉的基礎上檢測眼睛
    for (x, y, w, h) in faces:
        fac_gray = gray[y: (y+h), x: (x+w)]
        result = []
        eyes = eyeCascade.detectMultiScale(fac_gray, 1.3, 2)
        # 眼睛坐標的換算，將相對位置換成絕對位置
        for (ex, ey, ew, eh) in eyes:
            result.Append((x+ex, y+ey, ew, eh))
    # 畫矩形框--臉部
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)
   #眼睛
    for (ex, ey, ew, eh) in result:
        cv2.rectangle(img, (ex, ey), (ex+ew, ey+eh), (0, 255, 0), 2)
   #顯示
    cv2.imshow('video', img)
   #退出定義
    k = cv2.waitKey(1)
    if k == 27:    # press 'ESC' to quit
        break

cap.release()
cv2.destroyAllwindows()

===注意4.1代碼不需要也沒關系===

4.2 2-FaceDataCollect.py代碼：

#FaceDataCollect,人臉數據收集
import cv2
import os
# 調用筆記本內置攝像頭，所以參數為0，如果有其他的攝像頭可以調整參數為1，2
cap = cv2.VideoCapture(0)
#注意路徑
face_detector = cv2.CascadeClassifier('/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml')
#請輸入id:0為一個人，第二個人請輸入1，在4py中檢測識別中idnums有用
face_id = input('n enter user id:')
print('n Initializing face capture. Look at the camera and wait ...')

count = 0
while True:
    # 從攝像頭讀取圖片
    sucess, img = cap.read()
    # 轉為灰度圖片
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 檢測人臉
    faces = face_detector.detectMultiScale(gray, 1.3, 5)
   #面部畫框
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x+w, y+w), (255, 0, 0))
        count += 1
        # 保存圖像，注意路徑
        cv2.imwrite("/home/xgj/Desktop/face-de/img/user." + str(face_id) + '.' + str(count) + '.jpg', gray[y: y + h, x: x + w])
        cv2.imshow('image', img)
    # 保持畫面的持續。
    k = cv2.waitKey(1)
    if k == 27:   # 通過esc鍵退出攝像
        break
    elif count >= 1000:  # 得到1000個樣本后退出攝像，可自定義數值大小
        break
# 關閉攝像頭
cap.release()
cv2.destroyAllWindows()
#大概需要半個小時，收集1000張圖片
#我自己約5分鐘后暫停，期間可以做各種面部動作，我大概收集50張

4.3 3-face_training.py代碼：

#face_training,人臉數據訓練
import numpy as np
from PIL import Image
import os
import cv2
# 人臉數據路徑，上面保存的灰色照片數據集
path = '/home/xgj/Desktop/face-de/img'
recognizer = cv2.face.LBPHFaceRecognizer_create()
detector = cv2.CascadeClassifier("/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml")

def getImagesAndLabels(path):
    imagePaths = [os.path.join(path, f) for f in os.listdir(path)] 
    faceSamples = []
    ids = []
    for imagePath in imagePaths:
        PIL_img = Image.open(imagePath).convert('L')   # convert it to grayscale
        img_numpy = np.array(PIL_img, 'uint8')
        id = int(os.path.split(imagePath)[-1].split(".")[1])
        faces = detector.detectMultiScale(img_numpy)
        for (x, y, w, h) in faces:
            faceSamples.append(img_numpy[y:y + h, x: x + w])
            ids.append(id)
    return faceSamples, ids

print('Training faces. It will take a few seconds. Wait ...')
faces, ids = getImagesAndLabels(path)
recognizer.train(faces, np.array(ids))
#保存訓練好的文件
recognizer.write('/home/xgj/Desktop/face-de/face_trainer/trainer.yml')
print("{0} faces trained. Exiting Program".format(len(np.unique(ids))))

4.4 人臉識別：

==========

4.4.1 英文版的人臉識別4-face_recognition.py代碼：

#face_recognition 人臉檢測并識別，顯示人名
import cv2

recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('/home/xgj/Desktop/face-de/face_trainer/trainer.yml')
cascadePath = "/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml"
faceCascade = cv2.CascadeClassifier(cascadePath)
font = cv2.FONT_HERSHEY_SIMPLEX
#這里為0或者1都沒有關系
idnum = 1
names = ['Allen', 'Bob']   
#names中存儲人的名字，若該人id為0則他的名字在第一位，id位1則排在第二位，以此類推
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)
    faces = faceCascade.detectMultiScale(
        gray,
        scaleFactor=1.2,
        minNeighbors=5,
        minSize=(int(minW), int(minH))
    )

    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])

        if confidence < 100:
            idnum = names[idnum] 
            confidence = "{0}%".format(round(100 - confidence))
        else:
            idnum = "unknown"
            confidence = "{0}%".format(round(100 - confidence))

        cv2.putText(img, str(idnum), (x+5, y-5), font, 1, (0, 0, 255), 1)  #不能顯示中文
        cv2.putText(img, str(confidence), (x+5, y+h-5), font, 1, (0, 0, 0), 1) 

    cv2.imshow('camera', img)
    k = cv2.waitKey(10)
    if k == 27:
        break

cam.release()
cv2.destroyAllWindows()

4.4.2 PIL法顯示中文的人臉識別5-face_recognition_zh_PIL.py代碼：自己添加的

#face_recognition 人臉檢測，PIL法顯示中文人名
import cv2
#---增加的PIL法顯示中文---
import numpy
from PIL import Image, ImageDraw, ImageFont
#定義一個函數
def cv2ImgAddText(img, text, left, top, textColor=(0, 255, 0), textSize=20):
    if (isinstance(img, numpy.ndarray)):  # 判斷是否OpenCV圖片類型
        img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
    # 創建一個可以在給定圖像上繪圖的對象
    draw = ImageDraw.Draw(img)
    # 字體的格式，自己下載華文仿宋字體，放在根目錄下
    fontStyle = ImageFont.truetype(
        "hwfs.ttf", textSize, encoding="utf-8")
    # 繪制文本
    draw.text((left, top), text, textColor, font=fontStyle)
    # 轉換回OpenCV格式
    return cv2.cvtColor(numpy.asarray(img), cv2.COLOR_RGB2BGR)

recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('/home/xgj/Desktop/face-de/face_trainer/trainer.yml')
cascadePath = "/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml"
faceCascade = cv2.CascadeClassifier(cascadePath)
font = cv2.FONT_HERSHEY_SIMPLEX
#這里為0或者1都沒有關系
idnum = 0

names = ['機器人', 'Bob']   
#names中存儲人的名字，若該人id為0則他的名字在第一位，id位1則排在第二位，以此類推
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)

    faces = faceCascade.detectMultiScale(
        gray,
        scaleFactor=1.2,
        minNeighbors=5,
        minSize=(int(minW), int(minH))
    )

    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])

        if confidence < 100:
            idnum = names[idnum] 
            confidence = "{0}%".format(round(100 - confidence))
        else:
            idnum = "unknown"
            confidence = "{0}%".format(round(100 - confidence))

        #cv2.putText(img, str(idnum), (x+5, y-5), font, 1, (0, 0, 255), 1)  #不能顯示中文
        #注意下面格式，位置去掉元組格式，并int化
        img = cv2ImgAddText(img, str(idnum), int(x+5), int(y-5),  (0, 0, 255),20)  #顯示為中文PIL法
        cv2.putText(img, str(confidence), (x+5, y+h-5), font, 1, (0, 0, 0), 1) 

    cv2.imshow('camera', img)
    k = cv2.waitKey(10)
    if k == 27:
        break

cam.release()
cv2.destroyAllWindows()

效果圖