- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 81
- 收听数
- 1
- 能力
- 120 分
- 体力
- 541099 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 167708
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5324
- 主题
- 5250
- 精华
- 18
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
Python 基于OpenCV+face_recognition实现人脸捕捉与人脸识别(照片对比)
5 P1 x% B3 K4 ^0 u; H* ]! W6 n7 h! Z F: |$ _ I
1.安装包依赖
, _+ P0 n; O0 t5 i) e. W1 u与上篇通过摄像头动态识别人脸一样,先下载好opencv-python、face-recognition,这里因为使用的是照片对比的方式,特意使用tkinter画了一个简单的GUI方便操作。
8 O/ R m# G( G q* N5 g4 G
. `& V0 N' L" E1 c$ ^# E在python 3以上版本tkinter是环境自带的,所以这里不需要安装! E0 I0 X. p" v! u7 \" {. e# C
/ i5 e3 y1 j* _% G$ R2 y, e
2.代码示例
4 o, h' Q: a0 y% Z% Zimport os
1 ]: A% `2 m6 J: mimport cv2
4 N7 M% `* d, h8 A0 t. Jimport numpy as np
9 K$ I% d' y" V$ R7 g# Mimport face_recognition
4 ]2 q) g3 N7 Uimport tkinter as tk [5 J x+ y# c6 Y) \
import tkinter.filedialog1 i( N ]# ]. v# ]* _" _; G/ v
from PIL import Image,ImageTk ( o4 B/ w! @6 c- i4 n Y2 |
) o6 u9 @$ B* j$ [
classNames=[]3 X4 l' k0 S _1 |1 t
img_path='Picture'# p* C/ l( N$ ]" {2 ~, w
img_recognition_path='Recognition'
3 T5 I2 Q" b; t! {, xexistsEncodeingList=[]" ?- w1 x' ?) ~2 F: J- H$ |
#对人脸集合进行编码进行处理
3 [$ O3 V3 X% i' I/ o( fdef findEncodeings(images):7 j8 v, G' U3 s0 B
for img in images:
9 J/ G# o' I' w* C4 d4 Z #灰度处理( c5 ]2 I- l; e
img=cv2.cvtColor(src=img,code=cv2.COLOR_BGR2RGB); t" m8 S3 m7 R, A
#face_encodings对图片对象a_images进行编码并返回数组0位置编码结果5 i+ X. T/ T! x( c! R
encode=face_recognition.face_encodings(img)[0]
: |: l8 A' g' H! g existsEncodeingList.append(encode)
5 B% F$ R% R" t6 y1 m& o
9 ]0 W. z" a4 D0 O- x6 b) N#获取当前存储的人脸编码集合
8 w" @2 s+ q4 x, ]3 B' qdef findExistsEncodeingList(img_path):
% y% r' d) i* p% } images=[]( S% r" @& `! t/ Z1 C( @+ X8 k' F& i
#列出已经上传的所有图片
, e# C- z6 r# f% [1 ?3 Y% ~ imgList=os.listdir(img_path)
0 Y* p4 |6 ]; b3 R. y" W9 P #处理存储的图片得到其人脸编码
2 m5 r1 s O0 B9 @7 D for pic in imgList:. d& q; i! C) s+ u& r8 a: g
img=cv2.imread('{}/{}'.format(img_path,pic))
' W- _+ m2 `3 l( r9 @ images.append(img): f1 f' i. V8 i8 w5 I& p: r
classNames.append(os.path.splitext(pic)[0])
6 f/ b4 b/ d* H4 s3 s findEncodeings(images)3 E; R* n% L9 a# Y' M
/ p X4 y6 ^7 R" w1 b4 s
#选择并对比图片
8 ~% r9 l$ e: Z" }- X0 d2 ~def choosepic():6 V& m0 d! R3 `9 N6 M0 q; A' l Y
choosepath = tkinter.filedialog.askopenfilename()- M+ W, B7 ]3 E3 ]& |, U F/ J7 C6 Y
path.set(choosepath)7 b7 e7 z: E1 Z( ^3 ?( R, i
img_open = Image.open(entry.get()).resize((530,750))
% ]0 B7 V t6 ` img = ImageTk.PhotoImage(img_open)
' m% F/ Q& ~$ _ S# B lableShowImage.config(image=img) R! i5 p- g7 T* y$ m8 I
lableShowImage.image = img& q% n; D, K* d% y
lableShowImage.place(x=30, y=70, width=530, height=750)
& A& h" z7 a. F2 y faceRecognition(choosepath)( h9 D7 H. V& ?# _! k' d
) z# U; o7 A7 \; Xdef faceRecognition(choosepath):
# [* v5 g8 ]' b; Z: S) \ frame=cv2.imread(choosepath)! J+ y3 F8 }' w8 j% p4 x
frameRGB=cv2.cvtColor(src=frame,code=cv2.COLOR_BGR2RGB)- l+ R& ]0 r8 U; ?8 Y- T4 [; k6 _
#对摄像头读取的检测人脸7 t8 ?9 w7 q$ W7 ^
facesLocate=face_recognition.face_locations(frameRGB)9 \# Y% S* V/ G; g. d, X! |
#进行特征编码
! D f3 b" v& e/ I$ ^ faceEncoded=face_recognition.face_encodings(frameRGB,facesLocate)+ L! _; r: y' x: [
#遍历检测的人脸和库中读取的图片进行对比,计算其相似度+ Q8 N5 d" o3 E& E
name='unknow'
; D8 C7 L% o# w5 d$ h for (top,right, bottom,left),face_encoding in zip(facesLocate,faceEncoded):8 q" \+ v; |3 @9 R) L1 X: k
#进行匹配
/ [: }: o* `3 h8 A9 n0 m/ N matchs=face_recognition.compare_faces(existsEncodeingList,face_encoding)
0 N4 m* @! {$ V0 ` #计算相似度
0 _; q/ k4 r2 {; i distance=face_recognition.face_distance(existsEncodeingList,face_encoding)
! D0 E8 V5 i3 w6 |9 K3 } lab='unknow'
' m& @- o, v4 M; d/ M1 L$ I' g& Y9 h for index, item in enumerate(distance):5 L. R$ t7 S) I- J; j
if item<0.5:6 ]. B; o! L6 a/ D* o9 k* Y
if matchs[index]:0 q+ Q3 m: |& c9 Y, }' r- _
#得到匹配到的图片名称与相似度值
0 @3 ~. u& q! ^7 M* F1 c% ^, N$ } lab='name:{}; Similarity:{}'.format(classNames[index],item)0 ]. D# T8 o Q/ b z- ^
name=classNames[index]
) z. T* C( G$ c8 ~# N+ V3 N break* }1 s2 l. t7 I6 N' Z
#初始化面部捕捉框显示绿色
0 E) A# f$ O) [$ u% b color1 =(0,255,0)/ m- F# j/ K4 z) V8 S6 q% \1 x, X1 F
if name =='unknow':
0 @- K" w& F4 g# I# `8 l #未能识别的时候显示蓝色
- Q8 u9 m8 }4 M color1 =(255,0,0)) u) I6 p8 A" K5 V7 }# n' ?
#画面部捕捉框
8 j2 b$ h+ k+ {/ A+ { cv2.rectangle(img=frame,pt1=(left,top),pt2=(right,bottom),color=color1,thickness=3)
4 y* M3 q) u- g4 T/ u4 x #在捕捉框上添加匹配到的图片信息3 H- r& A, j! V- c6 I+ S0 o
cv2.putText(frame, lab, (left,top-8),cv2.FONT_HERSHEY_SIMPLEX, 0.7, color1, 2)
6 g2 w- e; S' s( v9 p5 J, g# w( _ cv2.imwrite('{}/{}.png'.format(img_recognition_path,name),frame)
' V, c$ P, }2 I: i* P0 W# r img_Recognition = Image.open('{}/{}.png'.format(img_recognition_path,name)).resize((530,750))
- N# p4 N' z# \ img = ImageTk.PhotoImage(img_Recognition)! m Z/ y, ]0 s1 h- G
lableShowImage2.config(image=img)' X+ ^' m h. V; c4 r2 ]1 P
lableShowImage2.image = img
5 o0 w& I) v3 S- O2 V, g1 p. c5 B lableShowImage2.place(x=630, y=70, width=530, height=750)
" x* W1 X9 l# @: r' i/ U. q! T1 h1 l. M9 d% W
if __name__ == '__main__':0 q; \) o% G0 C& Z! m$ p
findExistsEncodeingList(img_path)
# p2 [. q* \8 A7 [2 k. @) W t #生成tk界面 app即主窗口
4 H- B0 g' ~1 I/ @' n# y app = tk.Tk() ( I% \5 b" |' p" e* w
#修改窗口titile! l4 u$ t& A$ y; `: w
app.title("show pictue")
- ]/ i, ~) z* N/ D2 k ~) x0 H6 V #设置主窗口的大小和位置. l: _6 E+ ~& Q) @, ^9 x! `
app.geometry("1200x900+200+50")
; A* k0 x' _: z3 g( D, K #Entry widget which allows displaying simple text.1 l; `3 t$ q( b0 I, \3 S' D6 ~8 J
path = tk.StringVar()5 E% {* R- u0 E( e0 l. W
entry = tk.Entry(app, state='readonly', text=path,width = 100)
1 ]. N- Y9 K# ]$ R entry.pack()
6 N. N! F2 a" N8 Q! k #使用Label显示图片$ b9 Q( y$ Z5 q+ n' K3 M
lableShowImage = tk.Label(app)
: n$ b7 ~% L T0 L( K2 A& e+ K lableShowImage.pack()( y, _2 }# [* n3 r
#使用Label2显示处理后的图片$ R! ~1 @" L z* M0 n, V
lableShowImage2 = tk.Label(app)
% ]8 \8 W1 w! [4 v3 ~4 c lableShowImage2.pack()
1 s' r5 p7 N0 N' h J2 l% K #选择图片的按钮
& [6 _ n) D9 k, G H b. d/ w buttonSelImage = tk.Button(app, text='choose picture', command=choosepic)6 S# Y+ @, Y/ N" S$ U5 q
buttonSelImage.pack()
! `6 y- ]. B# G: w app.mainloop()
) U3 v: g) a6 j+ f% y. l, R1 [% S
7 V3 \) U- t, B7 e. }5 N A2 z3.说明
* m4 w) m6 j" _ ^+ g* A首先我将需要被识别的人脸的照片预设到项目目录的Picture文件夹下,然后创建一个Recognition目录存放识别过的图片,这样方便在一个界面上展示对比结果照片。
$ s$ W/ I5 A$ [1 w8 x3 e! Z4 f. p, t. x9 |
2 R& m" [; ?) ?
) O) p7 M- V5 h( m6 a; }* X
其实对比结果也可以不用存,直接将处理后的图片缓存直接展示在界面上,这里需要改一下此处的代码,将上述代码注释掉,然后换成下面的那行,通过数组直接转成图片
: s7 W1 o; y) i3 j) I* f x
7 q) o9 ?1 j9 e+ @5 a- c+ z6 v0 p0 O- f+ s1 M# v1 B
. k' r3 z. V) y1 H0 o
但是效果会存在色彩的失真,效果如下:: @* A/ d7 e9 o( q3 m1 D
2 r6 Z7 [, \0 s% n5 k
3 a9 m( M1 K( a( Y* q0 b( T7 r. _/ I# j/ ^2 H$ ]% S
也尝试了PIL的九种不同图片模式: 1,L,P,RGB,RGBA,CMYK,YCbCr,I,F,最终效果也没达到,大概与我resize((530,750))这个有关,也没继续纠结,有兴趣的同学可以尝试一下。
; E# A3 O# J1 j6 m+ S# _3 i$ Z: U1 i$ ~0 v( N- N2 S
这里简单提下PIL的九种不同图片模式:
\% Y- [9 q0 }# D) `
6 e1 o5 z) |( s% o' ]. emodes 描述( ?& J" X. l: V( [% z6 H
1 1位像素,黑和白,存成8位的像素
; D. {! L; y: s+ q6 o8 `2 f$ fL 8位像素,黑白, ?' Z9 A$ e: n5 u
P 8位像素,使用调色板映射到任何其他模式- S7 c# M! V+ P
RGB 3× 8位像素,真彩
% W# L! J$ a/ H% I2 DRGBA 4×8位像素,真彩+透明通道& \& n" ~8 v2 P
CMYK 4×8位像素,颜色隔离8 ]' h# }$ p2 f0 C' H
YCbCr 3×8位像素,彩色视频格式
* p1 i. Z9 W2 }4 k, _, c$ tI 32位整型像素: |: u2 f; O2 H' G
F 32位浮点型像素
4 i. j2 A8 c4 l, u4.实现效果/ P1 C! z: \+ {( ~+ z8 G" X j! H( T
0 {* {$ ]6 x3 s- N5 p% J3 _: \' {
# I5 _( j/ \' t! B. p( r+ u9 Y" \
! I( p. y6 W6 E
) [0 J' B+ `6 O 可以实现简单的人脸对比,Similarity代表相似度值,值越小代表人脸与预设的图片越相似。- w1 g2 U: v9 ]( S4 q5 W% [
————————————————
8 K. B* |8 W( K, t& O; h8 p版权声明:本文为CSDN博主「物联网_咸鱼」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。; y" h! a" c3 g7 C' x* j- W
原文链接:https://blog.csdn.net/qq_17486399/article/details/1266292888 I6 f1 W2 g# ]. q6 s/ h6 e8 r; i
/ r* [: c; Z/ C) i; _2 b& B0 ^) j2 m8 U# V* K {
|
zan
|