python+opencv实现人脸识别|采用现成训练好的模型

一、图片人脸检测（opencv）

1、安装opencv环境

介绍windows中opencv在python3上的实现，我的系统环境win10+python3.6+opcv3.4.1

首先去网站下载OpenCV对应的.whl版本压缩包，网址：https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv 本人下载的版本是：opencv_python‑3.4.1‑cp36‑cp36m‑win_amd64.whl 64位系统对应python3.6的，下载到F盘根目录。 链接： 提取码：j5uy 接着用pip命令安装

pip install F:opencv_python-3.4.1-cp36-cp36m-win_amd64.whl

当命令行窗口显示：

Processing F:opencv_python-3.4.1-cp36-cp36m-win_amd64.whl Installing collected packages: opencv-python Successfully installed opencv-python-3.4.1

说明已经安装成功。 到此，opencv的环境配置已经弄好了，可以在命令行中运行python，然后import cv2 打印输出opencv的版本号，看能否正常输出。

2、具体实现代码

import cv2

img = cv2.imread(img/1.png)  # 读取图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转换灰色

# OpenCV人脸识别分类器
classifier = cv2.CascadeClassifier(rF:python-projectopencv-masterhaarcascade_frontalface_default.xml)#创建人脸检测级联分类器对象实例
color = (0, 255, 0)  # 定义绘制颜色为绿色
# 调用识别人脸
faceRects = classifier.detectMultiScale(
    gray, scaleFactor=1.2, minNeighbors=3, minSize=(24, 24))
#参数说明，scaleFactor：图像缩放比例，可理解为相机的X倍镜，minNeighbors：对特征检测点周边多少有效点同时检测，这样可避免因选取的特征检测点太小而导致遗漏
#minSize：特征检测点的最小尺寸
if len(faceRects):  # 大于0则检测到人脸
    for faceRect in faceRects:  # 单独框出每一张人脸
        x, y, w, h = faceRect
        # 框出人脸
        cv2.rectangle(img, (x, y), (x + h, y + w), color, 2)
        # 左眼
        #cv2.circle(img, (x + w // 4, y + h // 4 + 30), min(w // 8, h // 8),
          #         color)
        #右眼
        #cv2.circle(img, (x + 3 * w // 4, y + h // 4 + 30), min(w // 8, h // 8),
         #          color)
        #嘴巴
        cv2.rectangle(img, (x + 3 * w // 8, y + 3 * h // 4),
                      (x + 5 * w // 8, y + 7 * h // 8), color)

cv2.imshow("image-detection", img)  # 显示图像

cv2.waitKey(0) #表示程序会无限制的等待用户的按键事件
cv2.destroyAllWindows()#关闭所有窗口

3、识别结果

二、图片人脸检测（dlib）

比opencv更加精准的图片人脸检测库Dlib，Dlib可以检测脸部68甚至更多的特征点。

1、安装dlib

下载地址： 我的环境为win10+python3.6.5 选择dlib的版本为：dlib-19.8.1-cp36-cp36m-win_amd64.whl 接着用pip命令安装：

pip install dlib-19.8.1-cp36-cp36m-win_amd64.whl

2、训练模型

下载链接： 提取码：g24q

3、具体实现代码

import cv2
import dlib

path = "img/1.png"
img = cv2.imread(path)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#转成灰度图

#人脸分类器
detector = dlib.get_frontal_face_detector()
# 获取人脸检测器
predictor = dlib.shape_predictor(
        "F:\python-project\shape_predictor_68_face_landmarks.dat"
)

dets = detector(gray, 1)
for face in dets:
    shape = predictor(img, face)  # 寻找人脸的68个标定点
    # 遍历所有点，打印出其坐标，并圈出来
    for pt in shape.parts():
        pt_pos = (pt.x, pt.y)
        cv2.circle(img, pt_pos, 2, (0, 255, 0), 1)
    cv2.imshow("image", img)

cv2.waitKey(0)
cv2.destroyAllWindows()

4、识别结果