大家好              ，我是csdn的博主：lqj_本人

这是我的个人博客主页：lqj_本人的博客_CSDN博客-微信小程序,前端,vue领域博主lqj_本人擅长微信小程序,前端,vue,等方面的知识https://blog.csdn.net/lbcyllqj?spm=1000.2115.3001.5343

哔哩哔哩欢迎关注：小淼前端

小淼前端的个人空间_哔哩哔哩_bilibili

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.htmlhttps://blog.csdn.net/lbcyllqj/category_12089557.html

前言

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库

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：

首页 - OpenCV

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！

人脸检测报警系统（可用于：家用监控；人脸门禁；人脸打卡签到等）

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 cv2 cap = cv2.VideoCapture(0) falg = 1 num = 1 while(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 os import cv2 from PIL import Image import 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 os import cv2 from PIL import Image import numpy as np def 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,ids if __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 cv2 import 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 cv2 import 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()

最终显示效果：

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）  
  
  
  
  
  
  。