Python-OpenCV人脸识别之数据集生成

ivyzhang 发布于2019-07-30 16:36 / 2796人阅读

摘要：我们把要做的事分成三部分创建数据集训练识别在本文中，我们会尝试写一个程序来生成数据集。生成数据集我们来写一个数据集生成脚本。为了不会将不同的人脸照片弄混，我们需要定一个命名规则，用于给照片命名。

在上一篇文章中，我们学习了如何安装配置OpenCV和Python，然后写了些代码玩玩人脸检测。现在我们要进行下一步了，即搞一个人脸识别程序，就是不只是检测还需要识别到人是谁。

来，搞人脸识别

要搞一个人脸识别程序，首先我们需要先用提前裁剪好的标注好的人脸照片训练一个识别器。比如说，我们的识别器需要识别两个人，一个人的id是1，而另一个的id是2，于是在数据集里面，1号人的所有照片会有id 1号，2号人同理。然后我们就会使用这些数据集照片去训练识别器，再从一个视频中识别出1号人。

我们把要做的事分成三部分：

创建数据集

训练

识别

在本文中，我们会尝试写一个程序来生成数据集。

生成数据集

我们来写一个数据集生成脚本。

首先打开我们的Python环境，不管是Pycharm等IDE，还是简单的记事本都行。需要提前准备的是在目录中放好haarcascade_frontalface_default.xml，上一篇也有用到过这个XML文件，就是OpenCV自带的。

接下来使用cv2获取摄像头数据以及XML文件：

import cv2
cam = cv2.VideoCapture(0)
detector=cv2.CascadeClassifier("haarcascade_frontalface_default.xml")

我们的数据集需要先从摄像头采集一些人脸例子照片，当然，只能是同一个人的。然后程序会给这些例子照片添加id，并将照片保存在一个文件夹中，这个文件夹我们就将它命名为dataSet吧。

来，我们在py脚本的同目录下创建一个dataSet的文件夹。为了不会将不同的人脸照片弄混，我们需要定一个命名规则，用于给照片命名。

例如，命名规则为User.[ID].[SampleNumber].jpg。如果是2号人的第十张照片，我们可以将它命名为User.2.10.jpg。

为什么要定义这样的格式呢？因为这样，在加载照片训练的时候，我们就可以只通过照片的文件名，就能简单地判断是几号用户的人脸照片。

接下来，我们尝试用比较简单的方法，通过shell输入，来获取人的id，并且初始化计算器变量来存储人们的例子数。

Id = raw_input("enter your id: ")
sampleNum = 0

然后我们加入一个主循环，我们会从视频流中输入20个例子，然后把例子都保存在已经创建好的dataSet文件夹。

这是之前写过的代码版本，用于人脸检测：

while True:
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = detector.detectMultiScale(gray, 1.3, 5)
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

    cv2.imshow("frame", img)
    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

现在我们将它改造成数据集生成程序：

while True:
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = detector.detectMultiScale(gray, 1.3, 5)
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

        # 增加例子数
        sampleNum = sampleNum + 1
        # 把照片保存到数据集文件夹
        cv2.imwrite("dataSet/user." + str(Id) + "." + str(sampleNum) + ".jpg", gray[y:y + h, x:x + w])

        cv2.imshow("frame", img)
    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

我们添加了两行代码，用以计算例子数，以及将人脸照片按照我们的命名规则保存为jpg格式。

其中有一个值得注意的地方，就是gray[y : y + h, x : x + w]。此处我们是把一张灰度图片看成一个二维数组（或二维矢量），然后使用python中[]截取OpenCV检测出来的人脸区域。

不过这样的代码会在一秒内快速地生成许多照片，比如说20张。我们不想要那么快，我们需要的是更好的素材，比如说从不同角度拍摄出来的照片，这样的话，要求慢一点。

为了慢一点，我们需要提高一下两次拍摄之间的延迟。同时，我们素材不需要太多，20张就好。

while True:
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = detector.detectMultiScale(gray, 1.3, 5)
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

        # 增加例子数 
        sampleNum = sampleNum + 1
        # 把照片保存到数据集文件夹
        cv2.imwrite("dataSet/User." + str(Id) + "." + str(sampleNum) + ".jpg", gray[y:y + h, x:x + w])  #

        cv2.imshow("frame", img)
    # 延迟100毫秒 
    if cv2.waitKey(100) & 0xFF == ord("q"):
        break
    # 超过20张就可以停了
    elif sampleNum > 20:
        break

好，继续，现在的代码就会在两个拍摄间延迟100毫秒，100毫秒足够让我们去移动我们人脸的角度了（时间不够长就再加）。而且，在拍摄20张后就停止了。

最后记得释放资源：

cap.release()
cv2.destroyAllWindows()

放出完整代码：

import cv2

detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
cap = cv2.VideoCapture(0)
sampleNum = 0
Id = raw_input("enter your id: ")

while True:
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = detector.detectMultiScale(gray, 1.3, 5)
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

        # incrementing sample number
        sampleNum = sampleNum + 1
        # saving the captured face in the dataset folder
        cv2.imwrite("dataSet/User." + str(Id) + "." + str(sampleNum) + ".jpg", gray[y:y + h, x:x + w])  #

        cv2.imshow("frame", img)
    # wait for 100 miliseconds
    if cv2.waitKey(100) & 0xFF == ord("q"):
        break
    # break if the sample number is morethan 20
    elif sampleNum > 20:
        break

cap.release()
cv2.destroyAllWindows()

生成结果

如图，已经生成了一堆训练素材了。

先这样吧

原文，若有错误之处请指出，更多地关注煎鱼。

超融合服务器私有云人脸检测数据集大数据人脸识别人脸识别数据库图像识别训练集

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/41760.html

Python-OpenCV训练一个人脸识别器

摘要：想要能人脸识别，我们需要训练一个识别器处理。现在，是时候用这个训练集来训练一个人脸识别器了。同目录下，创建一个文件夹，名为，用于存放我们训练后的识别器。训练差不多完成了，现在我们调用一下这个函数，然后将我们的数据喂给识别器去训练吧。想要能人脸识别，我们需要训练一个识别器处理。训练的话就需要之前已经标注好的训练集，在前一篇文章中，我们创建了一个已经标注好的训练集。现在，是时候用这个训练...

付永刚 2019-07-30 16:36 评论0 收藏0
Python-OpenCV进行人脸识别

摘要：在之前的文章中，我们学习了使用数据集训练出一个识别器。现在，我们将使用这个训练好的文件去识别人脸了。我们把程序改成释放资源记得释放资源测试然后在测试阶段，这个人工智障完美地识别不出我。在之前的文章中，我们学习了使用数据集训练出一个识别器。本文中，我们将载入这个识别器，然后来看见怎么识别人脸。如果看过之前的文章，你就已经准备好了一个识别器，它就在trainner文件夹和trainne...

Pines_Cheng 2019-07-30 16:36 评论0 收藏0
首次公开，整理12年积累的博客收藏夹，零距离展示《收藏夹吃灰》系列博客

摘要：时间永远都过得那么快，一晃从年注册，到现在已经过去了年那些被我藏在收藏夹吃灰的文章，已经太多了，是时候把他们整理一下了。那是因为收藏夹太乱，橡皮擦给设置私密了，不收拾不好看呀。 ...

Harriet666 2021-09-10 10:51 评论0 收藏0
人脸识别实战：使用Python OpenCV 和深度学习进行人脸识别

摘要：在本教程中，您将学习如何使用和深度学习执行面部识别。理解深度学习人脸识别嵌入那么，深度学习人脸识别是如何运作的呢秘诀是一种称为深度度量学习的技术。使用和深度学习对人脸进行编码在识别图像和视频中的人脸之前，我们首先需要量化训练集中的人脸。 ...

BigTomato 2021-11-22 09:34 评论0 收藏0
警察必备工具！用空间融合卷积神经网络鉴别伪装的「坏蛋」

摘要：剑桥大学印度国家技术学院近日联合发布了一篇论文，名为利用空间融合卷积神经网络通过面部关键点进行伪装人脸识别，该论文利用空间融合卷积神经网络为刑侦过程的人脸识别提供了有力的支持，我们来一窥究竟。剑桥大学、印度国家技术学院近日联合发布了一篇论文，名为《利用空间融合卷积神经网络通过面部关键点进行伪装人脸识别Disguised Face Identification (DFI) with Faci...

anyway 2019-04-25 18:17 评论0 收藏0