【DigiKey“智造万物，快乐不停”创意大赛】基于树莓派的智能考勤机+人脸识别

青春最好时

【DigiKey“智造万物，快乐不停”创意大赛】基于树莓派的智能考勤机+人脸识别 [复制链接]

前面测试了open cv调用摄像头的基础功能，下面开始进阶。

首先识别人脸的第一步是获取人脸，所以使用open cv自带的人脸检测器来检测人脸。

首先需要知道分类器的地址所以在终端输入：

python3

>>import cv2

>>print(cv2.__flie__)

>>/home/lalala/.local/lib/python3.7/site-packages/cv2/__init__.py

>>quit()

其中，下面这个路径很重要，

/home/lalala/.local/lib/python3.7/site-packages/cv2/

贴换到这个路径：

cd /home/lalala/.local/lib/python3.7/site-packages/cv2/

可以看到，文件下有这些文件

cd data

我们可以看到open cv 已经有了很多的分类器，所以我们只需要来就进行使用就可以了，

其中人脸识别的分类器为 haarcascade_frontalface_alt2.xml

先加载分类器，这里使用绝对路径

facecascade=cv2.CascadeClassifier(cv2.data.haarcascades+'haarcascade_frontalface_alt2.xml')

在检测人脸时，先输入人脸ID，然后在进行就可以使用相机来获取视频中的人脸新建脚本 vim face_collect.py

然后键入如下代码：

import cv2

import os

if __name__ == "__main__":

str_face_id = ""

index_photo=0

# 加载训练好的人脸检测器

faceCascade=cv2.CascadeClassifier(cv2.data.haarcascades+'haarcascade_frontalface_alt2.xml')

# 打开摄像头

cap = cv2.VideoCapture(0)

while True:

# 判断人脸id 是否为空，空的话创建face_id

if str_face_id.strip()=="":

str_face_id = input('Enter your face ID:')

index_photo=0

if not os.path.exists(str_face_id):

os.makedirs(str_face_id)

# 读取一帧图像

success, img = cap.read()

if not success:

continue

# 转换为灰度

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 进行人脸检测

faces = faceCascade.detectMultiScale(gray, scaleFactor=1.3, minNeighbors=4)

# 画框

for (x, y, w, h) in faces:

cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 3)

# 显示检测结果

cv2.imshow("FACE",img)

cap.release()

然后运行，键入：

python3 face_collect.py

按照终端提示输入name ：xiao_zhang

###################可以看到显示结果###################

此时已经可以看到调用分类器以后已经可以识别到人脸，同时把识别到的人脸框起来。

然后键入C,保存采集到的人脸数据，此时输入命令：ls

可以看到多了一个文件夹xiao_zhang，存放识别到的人脸数据图片，

在VNC桌面中可以看到对应的图片

##################人脸标注和训练#####################

当人脸数据得到以后，需要对人脸进行标注然后进行训练。

首先新建文件夹dataset存放人脸数据，在dataset下新建四个文件夹，每个文件夹下放不同人物的头像，可以看到

文件夹Nicholas为：

文件夹Statham

文件夹 Vin_Diesel

然后进行人物训练，新建脚本：

vim face_train.py

键入代码

#导入库

import os

import cv2

import numpy as np

import pickle

curid=0

#设置字典，意图将目标文件内的图片排序{'gzy':5,..}

labelids={}

xtrain=[]

ylabels=[]

#指定文件路径以读取训练

BASE_DIR =os.path.dirname(os.path.abspath(__file__))

image_dir=os.path.join(BASE_DIR,"dataset")

#导入训练和分类器

recognizer=cv2.face.LBPHFaceRecognizer_create()

classifier=cv2.CascadeClassifier(cv2.data.haarcascades+'haarcascade_frontalface_alt2.xml')

#训练过程

for root,dirs,files in os.walk(image_dir):

for file in files:

path=os.path.join(root,file)

image=cv2.imread(path)

gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

#将灰度图转换成 Numpy 数组，存储在 xtrain 中。

imagearray=np.array(gray,"uint8")

label=os.path.basename(root)

#同时，将人物的标识（label）存储在 ylabels 中。

if not label in labelids:

labelids[label]=curid

curid+=1

id_=labelids[label]

faces=classifier.detectMultiScale(imagearray,scaleFactor=1.5,minNeighbors=5)

for(x,y,w,h)in faces:

#添加置信区域

roi=imagearray[y:y+h,x:x+w]

xtrain.append(roi)

ylabels.append(id_)

#将训练数据标签用pickle库存放,用于将标签与人物名称相互映射

with open("label.pickle","wb") as f:

pickle.dump(labelids,f)

#通过LBPH脸部模型训练

recognizer.train(xtrain,np.array(ylabels))

#将我们训练好的模型保存为指定的xml

recognizer.save("myfacialtrainer.xml")

#############

训练完毕以后可以使用命令ls可以看到多了两个文件 label.pickle、myfacialtrainer.xml

EEWORLDIMGTK11

使用命令可以查看训练好的数据集

cat myfacialtrainer.xml

EEWORLDIMGTK12

当数据集训练好以后，就可以用来识别了。

新建脚本: vim face_recogn.py

下面是用到的代码

#导入库

import cv2

import numpy as np

import pickle

import os

import tkinter as tk

from PIL import Image, ImageTk

#加载模型

face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_alt2.xml')

face_cascade.load('/home/pi/.local/lib/python3.9/site-packages/cv2/data/haarcascade_frontalface_alt2.xml')

recognizer = cv2.face.LBPHFaceRecognizer_create()

recognizer.read("./myfacialtrainer.xml")

#窗体和按钮设置

root = tk.Tk()

root.geometry("430x310") # 设置窗体初始大小为宽度 800 像素，高度 600 像素i

root.config(bg="white")

root.title("Face Recognition")

label = tk.Label(root)

label.pack()

label.config(bg="white")

labels = {}

button_frame = tk.Frame(root)

button_frame.pack(side="bottom", anchor="s", pady=10)

button_frame.configure(bg="white")

exit_button = tk.Button(button_frame, text="Exit", command=root.destroy)

exit_button.pack(side="right", anchor="se", padx=10)

#打开已有的pickle库，导入数据和标签

with open("label.pickle", "rb") as f:

origin_labels = pickle.load(f)

labels = {v: k for k, v in origin_labels.items()} # 交换名字和值的位置

#初始摄像头窗口设置

cap = cv2.VideoCapture(0)

desired_width = 400

desired_height = 310

cap.set(cv2.CAP_PROP_FRAME_WIDTH, desired_width)

cap.set(cv2.CAP_PROP_FRAME_HEIGHT, desired_height)

#识别过程

def recognition():

ret, frame = cap.read()

if ret:

gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

faces = face_cascade.detectMultiScale(gray, scaleFactor=1.3, minNeighbors=5)

image = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)

for (x, y, w, h) in faces:

gray_roi = gray[y:y + h, x:x + w]

#预测识别，置信值如果大于70则判定符合人脸

id_, conf = recognizer.predict(gray_roi)

if conf >= 70:

name = labels[id_]

elif conf<70:

name = "NOBODY"

#显示人脸信息到摄像头画面

cv2.putText(image, str(name), (x, y - 15), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 2)

cv2.rectangle(image, (x, y), (x + w, y + h), (255, 0, 0), 2)

imgtk = ImageTk.PhotoImage(image=Image.fromarray(image))

label.imgtk = imgtk

label.config(image=imgtk)

if cv2.waitKey(1) & 0xFF == ord('q'):

cap.release()

cv2.destroyAllWindows()

else:

root.after(10, recognition)

#主体

recognition()

root.mainloop()

cap.release()

cv2.destroyAllWindows()

os._exit(0)

##############

输入命令运行：

python3 face_recogn.py

此时报错，缺少PIL库

这里安装PIL库，键入命令：

pip install pillow

再次运行，仍然提示报错

Traceback (most recent call last):

File "face_recogn.py", line 7, in <module>

from PIL import Image, ImageTk

ImportError: cannot import name 'ImageTk' from 'PIL' (/usr/lib/python3/dist-packages/PIL/__init__.py)

使用命令安装pil.imagetk

sudo apt-get install python3-pil python3-pil.imagetk

可以看到安装成功

然后再次运行：

python3 face_recogn.py

但是识别结果有时候不正确，哈哈

这个问题后面再调整调整，不知道是哪里的问题，有可能是数据有点少。

秦天qintian0303

真容泄露啊