-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathtest.py
162 lines (148 loc) · 7.44 KB
/
test.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
import cv2 as cv
import numpy as np
import os
from PIL import Image, ImageDraw, ImageFont
#汉字转换函数
def cv2AddChineseText(img, text, position, textColor=(0, 255, 0), textSize=30):
if (isinstance(img, np.ndarray)): # 判断是否OpenCV图片类型
img = Image.fromarray(cv.cvtColor(img, cv.COLOR_BGR2RGB))
# 创建一个可以在给定图像上绘图的对象
draw = ImageDraw.Draw(img)
# 字体的格式
fontStyle = ImageFont.truetype(
"chinese.ttc", textSize, encoding="utf-8")
# 绘制文本
draw.text(position, text, textColor, font=fontStyle)
# 转换回OpenCV格式
return cv.cvtColor(np.asarray(img), cv.COLOR_RGB2BGR)
# 人脸识别函数
def face_recongnition(img):
#读取文件信息
fr = open('test.txt', 'r')
existPerson = fr.readlines()
#print(existPerson) # 已存储 人数 姓名[]
fr.close()
# img = cv.flip(img, 1) # 图像翻转
gray = cv.cvtColor(img, cv.COLOR_RGB2GRAY) # 转为灰度图
face_detect = cv.CascadeClassifier(
'E:\yan\opencv\sources\data\haarcascades\haarcascade_frontalface_default.xml') # 调用分类器
face = face_detect.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5) # 检测到5次 成功认定
for x, y, w, h in face:
cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 255, 0), thickness=3) # 画框
lable, confidence = recognizer.predict(gray[y:y + h, x:x + w]) # 返回标签和置信度
print(existPerson[lable])
if confidence >= 80: # 置信度大于50，返回unknow
cv.putText(img, 'unknow', (x + 10, y - 10), cv.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
else:
img = cv2AddChineseText(img, existPerson[lable], (x + 10, y - 30), (0, 255, 0), 30)
# cv.putText(img,str(names[lable-1]),(x+10,y-10),cv.FONT_HERSHEY_SIMPLEX,0.75, (0,255,0),1)
cv.putText(img, (str(round(confidence, 3))), (x + 125, y - 5), cv.FONT_HERSHEY_SIMPLEX, 0.75,
(255, 0, 0), 1)
cv.imshow('result', img)
# 人脸检测函数
def face_detect(img):
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY) # 转化为灰度图片，简化矩阵、提高运算速度
# 调用人脸检测的级联分类器
face_classifier = cv.CascadeClassifier(
'E:\yan\opencv\sources\data\haarcascades\haarcascade_frontalface_default.xml')
# 对人脸进行检测，每次图像缩小的比例为1.1，每一个目标至少检测5次
face_feature = face_classifier.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)
# face_feature 返回的是人脸的特征数据，一个人脸返回一组特征；x个人脸返回x组特征
# print(face_feature)
for x, y, w, h in face_feature: # 遍历x个人脸
cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=3) # 对人脸画框
# print(x,y,w,h)
cv.imshow('人脸检测', img)
#保存人脸信息
def saveFacefunc(path):
faceSample = [] # 存储人脸数据
faceName = [] # 存储人脸姓名
imagePath = [os.path.join(path, f) for f in os.listdir(path)] # 获取到所有目标文件的完整路径
# os.listdir(path) 获取目标文件夹的内容，并以字母顺序进行排序-----------------------为什么要排序？
# os.path.join(path,f) 表示获取到文件的完整路径
# print(f'列表已存储文件：{imagePath}')
face_detect = cv.CascadeClassifier(
'E:\yan\opencv\sources\data\haarcascades\haarcascade_frontalface_default.xml') # 调用人脸检测的级联分类器
for imagepath in imagePath:
PIL_img = Image.open(imagepath).convert('L') # 打开该图片，L表示转化为灰度图像 ---简化矩阵、加快运算速度
img_numpy = np.array(PIL_img, 'uint8') # 将图像数据转换为数组
faces = face_detect.detectMultiScale(img_numpy) # 获取图片的人脸特征
# print(f'脸部特征为:{faces}')
id = int(os.path.split(imagepath)[1].split('.')[1]) # 仅获取序号
# 这里的路径也可以根据实际需求来写
# print(f'当前id为{id}')
for x, y, w, h in faces:
faceName.append(id)
faceSample.append(img_numpy[y:y + h, x:x + w]) # numpy数组切片，从y取到y+h行，从x取到x+w列，构成新的数组，把所画的方框放入列表中
return faceName, faceSample
while True:
print('请选择：1.人脸采集 2.人脸训练 3.人脸识别 4.退出系统\n')
choice = input()
if choice == '1':
#读取文件信息
fr = open('test.txt', 'r')
existPerson = fr.readlines()
print(existPerson) # 已存储 人数 姓名[]
fr.close()
# 读取摄像头
cap = cv.VideoCapture(0) # 获取摄像头 也可以读取视频路径
num = 1
print('请输入名字\n')
name = input()
# 获取图像
while cap.isOpened():
flag, frame = cap.read() # 获取帧图片
if not flag:
break
face_detect(frame) # 人脸检测
if cv.waitKey(1) == ord('s'):
# imgFile = './savePhotos/'+'capture_' + str(num) + '.jpg'
# imgFile = 'E:\\yan\\test4_faceDetect\\opencv_python\\savePhotos\\' + 'capture_' + str(num) + '.jpg'
# cv.imwrite("E:\\yan\\test4_faceDetect\\opencv_python\\savePhotos\\" + name + "." + str(num) + ".jpg", frame)
imgFile = 'E:\\yan\\test4_faceDetect\\opencv_python\\savePhotos\\' + name + '.' + str(int(
existPerson[0]) + 1) + '.' + str(num) + '.jpg'
cv.imencode('.jpg', frame)[1].tofile(imgFile) # 存储中文图片
# path = './savePhotos/'
# cv.imwrite(path + 'capture_' + str(num) + '.jpg', frame)
print('保存成功!')
num += 1
if cv.waitKey(1) == 27: # Esc对应的ascall码
break
existPerson[0] = (str(int(existPerson[0]) + 1) + '\n')
existPerson.append(name + '\n')
fw = open('test.txt', 'w')
fw.writelines(existPerson) # 更新文件信息
print('照片已存储\n')
fw.close()
cap.release()
cv.destroyAllWindows()
elif choice == '2':
if __name__ == '__main__':
faceName, faceSample = saveFacefunc(path='.//savePhotos') # 获取姓名和脸部特征
# 采用LBPH算法
recognizer = cv.face.LBPHFaceRecognizer_create()
recognizer.train(faceSample, np.array(faceName)) # 训练
# 保存训练好的文件
recognizer.write('trainer.yml')
print('文件已保存')
elif choice == '3':
# 导入已经训练完成的模型
recognizer = cv.face.LBPHFaceRecognizer_create()
recognizer.read('trainer.yml')
# 进行人脸识别
cap = cv.VideoCapture(0) # 打开摄像头
while True:
flag, frame = cap.read()
if not flag:
break
face_recongnition(frame) # 传入图像进行人脸识别
if cv.waitKey(1) == 27:
break
# 释放内存
cap.release()
cv.destroyAllWindows()
elif choice == '4':
print('退出系统\n')
break
else:
print('输入错误，重新选择')