python进阶——人工智能视觉识别
大家好，我是csdn的博主：lqj_本人
哔哩哔哩欢迎关注：小淼前端
本篇文章主要讲述python的安装以及pycharm解释器的配置流程，本篇文章已经成功收录到我们python专栏中：https://blog.csdn.net/lbcyllqj/category_12089557.html
https://blog.csdn.net/lbcyllqj/category_12089557.html
https://blog.csdn.net/lbcyllqj?spm=1000.2115.3001.5343
https://blog.csdn.net/lbcyllqj/category_12089557.html
python在人工智能方面可以毫不客气的说，比其他的所有语言都要有优势，因为python的背后有一个非常强大的资源库来支撑着python运作。
opencv是最经典的python视觉库，它里面包含了很多种视觉的识别类型供开发者们使用。
opencv库的下载
我们可以在我们的pycharm里面输入以下代码进行下载，但这里我们下载的是阉割版的。
pip install opencv-python 当我们的pycharm下载完成之后，我们呢还需要在opencv的官网进行下载：
然后我们选择（如下图所示）：
进入之后，我们就可以看到opencv相对应的版本了：
然后，我们选择自己使用的系统进行下载并安装即可（仅安装即可，opencv不用环境配置！只需要记住安装在哪里，当我们使用的时候直接调取我们的安装目录就可以！）
当安装完成之后，我们就可以看到安装路径下的这些文件：
里面包含眼睛识别，面部识别等一些强大的识别算法！
这里我将本功能分为了三个py文件来展开描述：
抓取人脸功能模块
首先，导入cv库
import cv2然后调取我们的摄像头（0代表本机摄像头，其他代表外接摄像头）
cap = cv2.VideoCapture(0)用while来判断是否为开启状态：
while(cap.isOpened()):得到每一帧的图片进行赋值：
ret_flag,Vshow = cap.read()调用控制键盘函数，控制判断按键：
k = cv2.waitKey(1) & 0xFF使用imshow函数显示拍摄图像：
cv2.imshow('ceshi',Vshow)键盘监听，按s键进行保存：
if k == ord('s'):保存拍摄图像的格式，打印提示文字：
cv2.imwrite('E:/tupian/'+str(num)+'.name'+'.jpg',Vshow) print('保存成功'+str(num)+".jpg") print("-------------------------") num += 1释放摄像头与内存：
#释放摄像头cap.release()#释放内存cv2.destroyAllWindows()完整代码：
import cv2cap = cv2.VideoCapture(0)falg = 1num = 1while(cap.isOpened()):#检测是否在开启状态 ret_flag,Vshow = cap.read()#得到每一帧的图像 k = cv2.waitKey(1) & 0xFF#判断按键 cv2.imshow('ceshi',Vshow)#显示图像 if k == ord('s'):#按s键保存 cv2.imwrite('E:/tupian/'+str(num)+'.name'+'.jpg',Vshow) print('保存成功'+str(num)+".jpg") print("-------------------------") num += 1 elif k == ord(' '):#退出 break#释放摄像头cap.release()#释放内存cv2.destroyAllWindows()录入人脸功能模块
在写这个功能模块之前，我们要在pycharm中或cmd中的本文件根目录下使用命令行，安装face模块使用函数：
pip install opencv-contrib-python导入第三方库：
import osimport cv2from PIL import Imageimport numpy as np存储人脸数据：
facesSamples=[]存储姓名数据：
ids=[]存储图片信息：
imagePaths=[os.path.join(path,f) for f in os.listdir(path)]加载分类器（就是我们上面讲到的在opencv官网下载的库，我们只需要调取安装目录就可以）：
face_detector = cv2.CascadeClassifier('E:/open-cv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')遍历列表中的图片：
for imagePath in imagePaths:将打开的图片灰度化：
PIL_img = Image.open(imagePath).convert('L')将图片转化为数组：
img_numpy = np.array(PIL_img,'uint8')获取图片人脸特征：
faces = face_detector.detectMultiScale(img_numpy)获取每一张拍摄图片的id与姓名：
id = int(os.path.split(imagePath)[1].split('.')[0])做判断，预防拍摄无面容图片：
for x,y,w,h in faces: ids.append(id) facesSamples.append(img_numpy[y:y+h,x:x+w])打印面部特征与id，并返回数据：
print('id',id) print('fs:',facesSamples) return facesSamples,ids调用图片路径（有第一步抓取人脸后按s键保存到'E:/tupian/'路径下的图片）：
path = 'E:/tupian/'获取图像数组和id标签数组和姓名：
faces,ids=getImageAndLabels(path)加载识别器：
recognizer = cv2.face.LBPHFaceRecognizer_create()训练数据：
recognizer.train(faces,np.array(ids))保存面部特征到文件夹（创建一个文件夹，用于存放读取的面部信息）：
recognizer.write('tupian/tupian.yml')完整代码：
import osimport cv2from PIL import Imageimport numpy as npdef getImageAndLabels(path): #储存人脸数据 facesSamples=[] #储存姓名数据 ids=[] #储存图片信息 imagePaths=[os.path.join(path,f) for f in os.listdir(path)] #加载分类器 face_detector = cv2.CascadeClassifier('E:/open-cv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml') #遍历列表中的图片 for imagePath in imagePaths: #打开图片，灰度化PIL有九种不同的模式：1，L,P,RGB,RGBA,CMYK,YCbCr，I，F PIL_img = Image.open(imagePath).convert('L') #将图像转化为数组，以黑白深浅 img_numpy = np.array(PIL_img,'uint8') #获取图片人脸特征 faces = face_detector.detectMultiScale(img_numpy) #获取每一张图片的id和姓名 id = int(os.path.split(imagePath)[1].split('.')[0]) #预防无面容照片 for x,y,w,h in faces: ids.append(id) facesSamples.append(img_numpy[y:y+h,x:x+w]) #打印面部特征和id print('id',id) print('fs:',facesSamples) return facesSamples,idsif __name__ == '__main__': #图片路径 path = 'E:/tupian/' #获取图像数组和id标签数组和姓名 faces,ids=getImageAndLabels(path) #加载识别器 recognizer = cv2.face.LBPHFaceRecognizer_create() #训练 recognizer.train(faces,np.array(ids)) #保存文件 recognizer.write('tupian/tupian.yml')人脸识别功能模块
导入第三方库:
import cv2import os加载训练过的数据文件：
recogizer = cv2.face.LBPHFaceRecognizer_create()加载保存过的面部信息：
recogizer.read('tupian/tupian.yml')定义名称数组：
names=[]识别全局变量定义：
warningtime = 0识别视频中人脸模块：
def face_detect_demo(img): gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转换为灰度 face_detector=cv2.CascadeClassifier('E:/open-cv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml') face=face_detector.detectMultiScale(gray) for x,y,w,h in face: cv2.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2) cv2.circle(img,center=(x+w//2,y+h//2),radius=w//2,color=(0,255,0),thickness=1) # 人脸识别 ids, confidence = recogizer.predict(gray[y:y + h, x:x + w]) if confidence > 80: global warningtime warningtime += 1 if warningtime > 100: # warning() warningtime = 0 cv2.putText(img, 'unkonw', (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1) else: cv2.putText(img,str(names[ids-1]), (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1) cv2.imshow('result',img)导入存储的图片名字标签：
def name(): path = 'E:/tupian/' # names = [] imagePaths=[os.path.join(path,f) for f in os.listdir(path)] for imagePath in imagePaths: name = str(os.path.split(imagePath)[1].split('.',2)[1]) names.append(name)加载监控或已保存下来的视频：
cap=cv2.VideoCapture('1.mp4')name()while True: flag,frame=cap.read() if not flag: break face_detect_demo(frame) if ord(' ') == cv2.waitKey(10): break释放内存与视频：
cv2.destroyAllWindows()cap.release()完整代码：
import cv2import os#加载训练数据文件recogizer = cv2.face.LBPHFaceRecognizer_create()#加载数据recogizer.read('tupian/tupian.yml')#名称names=[]#报警全局变量warningtime = 0#准备识别的图片def face_detect_demo(img): gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转换为灰度 face_detector=cv2.CascadeClassifier('E:/open-cv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml') face=face_detector.detectMultiScale(gray) for x,y,w,h in face: cv2.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2) cv2.circle(img,center=(x+w//2,y+h//2),radius=w//2,color=(0,255,0),thickness=1) # 人脸识别 ids, confidence = recogizer.predict(gray[y:y + h, x:x + w]) if confidence > 80: global warningtime warningtime += 1 if warningtime > 100: # warning() warningtime = 0 cv2.putText(img, 'unkonw', (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1) else: cv2.putText(img,str(names[ids-1]), (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1) cv2.imshow('result',img)#名字标签def name(): path = 'E:/tupian/' # names = [] imagePaths=[os.path.join(path,f) for f in os.listdir(path)] for imagePath in imagePaths: name = str(os.path.split(imagePath)[1].split('.',2)[1]) names.append(name)#加载视频cap=cv2.VideoCapture('1.mp4')name()while True: flag,frame=cap.read() if not flag: break face_detect_demo(frame) if ord(' ') == cv2.waitKey(10): break#释放内存+视频cv2.destroyAllWindows()cap.release()录入过的面部信息就会显示录入的姓名（如下面的LQJ），未录入过的面部信息就会显示unkonw（不知道的状态）。
来源地址：https://blog.csdn.net/lbcyllqj/article/details/128801971
免责声明：
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的，并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据，供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
