零基础实现 python 人脸识别

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

欢迎大家进入神经网络的学习

说起神经网络大家可能会觉得很熟悉，对于其实它对于大部分的人来说都是很容易学习的，今天我就用人脸识别的例子来带大家熟悉它。

python环境的搭建

我们对python的安装进行了精简，哪怕是新手小白也可以学会。

1. 软件的下载 ，这里我推荐anaconda3,当然，下载后你也会需要一个pycharm，它能够让你轻松的建立一个项目；

2. 下载后就可以点击安装，但要注意的是pycharm可以安装community版，这个版本足够你使用，当然，土豪请绕路；

3. 你可以在python的安装路径下的scripts中找到IDLE，这是一个较为友好的python交互界面。当然，你也可以直接在搜索栏搜索。

4. 有的老师喜欢用jupyter nootbook来教学和编辑，要找它的话我们就可以打开开始菜单>anaconda>jupyter nootbook，这样就找到它了。

5. 这样，python的基本环境我们就熟悉了，下一步就开始人脸识别的内容。

人脸数据的检测和采集

import cv2


def getTrainingData(window_name, camera_id, path_name, max_num):  # path_name是图片存储目录，max_num是需要捕捉的图片数量
    cv2.namedWindow(window_name)  # 创建窗口
    cap = cv2.VideoCapture(camera_id)  # 打开摄像头
    classifier = cv2.CascadeClassifier('haarcascade_frontalface_alt2.xml')  # 加载分类器
    color = (0, 255, 0)  # 人脸矩形框的颜色
    num = 0  # 记录存储的图片数量

    while cap.isOpened():
        ok, frame = cap.read()
        if not ok:
            break

        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  # 灰度化
        faceRects = classifier.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))

        if len(faceRects) > 0:
            for faceRect in faceRects:
                x, y, w, h = faceRect
                # 捕捉到的图片的名字，这里用到了格式化字符串的输出
                image_name = '%s%d.jpg' % (path_name,
                                           num)  # 注意这里图片名一定要加上扩展名，否则后面imwrite的时候会报错：could not find a writer for the specified extension in function cv::imwrite_ 参考：https://stackoverflow.com/questions/9868963/cvimwrite-could-not-find-a-writer-for-the-specified-extension
                image = frame[y:y + h, x:x + w]  # 将当前帧含人脸部分保存为图片，注意这里存的还是彩色图片，前面检测时灰度化是为了降低计算量；这里访问的是从y位开始到y+h-1位
                cv2.imwrite(image_name, image)

                num += 1
                # 超过指定最大保存数量则退出循环
                if num > max_num:
                    break

                cv2.rectangle(frame, (x, y), (x + w, y + h), color, 2)  # 画出矩形框
                font = cv2.FONT_HERSHEY_SIMPLEX  # 获取内置字体
                cv2.putText(frame, ('%d' % num), (x + 30, y + 30), font, 1, (255, 0, 255),
                            4)  # 调用函数，对人脸坐标位置，添加一个(x+30,y+30）的矩形框用于显示当前捕捉到了多少人脸图片
        if num > max_num:
            break
        cv2.imshow(window_name, frame)
        c = cv2.waitKey(10)
        if c & 0xFF == ord('q'):
            break

    cap.release()  # 释放摄像头并销毁所有窗口
    cv2.destroyAllWindows()
    print('Finished.')


# 主函数
if __name__ == '__main__':
    print('catching your face and writting into disk...')
    getTrainingData('getTrainData', 0, 'dataset/two/',1000)  # 注意这里的training_data_xx 文件夹就在程序工作目录下

在这里需要注意的是，库文件需要我们提前添加好，添加库的教程我会在其他的贴子中讲解。
这样，我们将1000张人脸数据保存在了名为two的文件夹下，文件夹需要提前创建，否则会报错。

建立我们的训练集

class Dataset:
    def __init__(self, path_name):
        #训练集
        self.train_images = None
        self.train_labels = None

        #验证集
        self.valid_images = None
        self.valid_labels = None

        #测试集
        self.test_images  = None
        self.test_labels  = None

        #数据集加载路径
        self.path_name