Opencv+python3.8+人脸识别+PIL法中文显示

1 说明：

=====

1.1 参考文章：

https://www.cnblogs.com/xp12345/p/9818435.html

1.2 对原代码进行注释，调试，增加PIL法显示中文标示。

1.3 获取摄像头实现动态人脸识别。

1.4 分为：侦测-收集-训练-识别。

2 准备：

=====

2.1 安装opencv：

pip install opencv-python

2.2 注意：导入模块

import cv2   #cv2不是版本号

科普一下：

cv2中的 2 不是指定发布的版本号，而是为了区分OpenCV的 C 和 C 的版本。

OpenCV1.x 使用 C 开发；而OpenCV2.x 使用C 。

2.3 环境：

华为笔记本电脑、深度deepin-linux操作系统、谷歌浏览器、python3.8和微软vscode编辑器。

3 文件结构：

========

3.1 图：

3.2 层次示意图：

3.3 两个xml文件来自：分类器一般位于安装包cv2下

比如：本机：file:///usr/local/python3.8/lib/python3.8/site-packages/cv2/data下，复制过来即可

===以下代码基于笔记本电脑的摄像头，需打开，训练自己头像===

4 五个代码依次进行：

===============

4.1 1-FaceDetection.py代码：

#人脸检测
import numpy as np
import cv2
# 人脸识别分类器
faceCascade = cv2.CascadeClassifier(\'/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml\')
# 识别眼睛的分类器
eyeCascade = cv2.CascadeClassifier(\'/home/xgj/Desktop/face-de/haarcascade_eye.xml\')
# 开启摄像头
cap = cv2.VideoCapture(0)
ok = True
result =[]  #原bug，自己补充
while ok:
    # 读取摄像头中的图像，ok为是否读取成功的判断参数
    ok, img = cap.read()
    # 转换成灰度图像
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 人脸检测
    faces = faceCascade.detectMultiScale(
        gray,
        scaleFactor=1.2,
        minNeighbors=5,
        minSize=(32, 32)
    )
    result = []
    # 在检测人脸的基础上检测眼睛
    for (x, y, w, h) in faces:
        fac_gray = gray[y: (y h), x: (x w)]
        result = []
        eyes = eyeCascade.detectMultiScale(fac_gray, 1.3, 2)
        # 眼睛坐标的换算，将相对位置换成绝对位置
        for (ex, ey, ew, eh) in eyes:
            result.append((x ex, y ey, ew, eh))
    # 画矩形框--脸部
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x w, y h), (255, 0, 0), 2)
   #眼睛
    for (ex, ey, ew, eh) in result:
        cv2.rectangle(img, (ex, ey), (ex ew, ey eh), (0, 255, 0), 2)
   #显示
    cv2.imshow(\'video\', img)
   #退出定义
    k = cv2.waitKey(1)
    if k == 27:    # press \'ESC\' to quit
        break

cap.release()
cv2.destroyAllWindows()

===注意4.1代码不需要也没关系===

4.2 2-FaceDataCollect.py代码：

#FaceDataCollect,人脸数据收集
import cv2
import os
# 调用笔记本内置摄像头，所以参数为0，如果有其他的摄像头可以调整参数为1，2
cap = cv2.VideoCapture(0)
#注意路径
face_detector = cv2.CascadeClassifier(\'/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml\')
#请输入id:0为一个人，第二个人请输入1，在4py中检测识别中idnums有用
face_id = input(\'\n enter user id:\')
print(\'\n Initializing face capture. Look at the camera and wait ...\')

count = 0
while True:
    # 从摄像头读取图片
    sucess, img = cap.read()
    # 转为灰度图片
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 检测人脸
    faces = face_detector.detectMultiScale(gray, 1.3, 5)
   #面部画框
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x w, y w), (255, 0, 0))
        count  = 1
        # 保存图像，注意路径
        cv2.imwrite("/home/xgj/Desktop/face-de/img/user."   str(face_id)   \'.\'   str(count)   \'.jpg\', gray[y: y   h, x: x   w])
        cv2.imshow(\'image\', img)
    # 保持画面的持续。
    k = cv2.waitKey(1)
    if k == 27:   # 通过esc键退出摄像
        break
    elif count >= 1000:  # 得到1000个样本后退出摄像，可自定义数值大小
        break
# 关闭摄像头
cap.release()
cv2.destroyAllWindows()
#大概需要半个小时，收集1000张图片
#我自己约5分钟后暂停，期间可以做各种面部动作，我大概收集50张

4.3 3-face_training.py代码：

#face_training,人脸数据训练
import numpy as np
from PIL import Image
import os
import cv2
# 人脸数据路径，上面保存的灰色照片数据集
path = \'/home/xgj/Desktop/face-de/img\'
recognizer = cv2.face.LBPHFaceRecognizer_create()
detector = cv2.CascadeClassifier("/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml")

def getImagesAndLabels(path):
    imagePaths = [os.path.join(path, f) for f in os.listdir(path)] 
    faceSamples = []
    ids = []
    for imagePath in imagePaths:
        PIL_img = Image.open(imagePath).convert(\'L\')   # convert it to grayscale
        img_numpy = np.array(PIL_img, \'uint8\')
        id = int(os.path.split(imagePath)[-1].split(".")[1])
        faces = detector.detectMultiScale(img_numpy)
        for (x, y, w, h) in faces:
            faceSamples.append(img_numpy[y:y   h, x: x   w])
            ids.append(id)
    return faceSamples, ids

print(\'Training faces. It will take a few seconds. Wait ...\')
faces, ids = getImagesAndLabels(path)
recognizer.train(faces, np.array(ids))
#保存训练好的文件
recognizer.write(\'/home/xgj/Desktop/face-de/face_trainer/trainer.yml\')
print("{0} faces trained. Exiting Program".format(len(np.unique(ids))))

4.4 人脸识别：

==========

4.4.1 英文版的人脸识别4-face_recognition.py代码：

#face_recognition 人脸检测并识别，显示人名
import cv2

recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read(\'/home/xgj/Desktop/face-de/face_trainer/trainer.yml\')
cascadePath = "/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml"
faceCascade = cv2.CascadeClassifier(cascadePath)
font = cv2.FONT_HERSHEY_SIMPLEX
#这里为0或者1都没有关系
idnum = 1
names = [\'Allen\', \'Bob\']   
#names中存储人的名字，若该人id为0则他的名字在第一位，id位1则排在第二位，以此类推
cam = cv2.VideoCapture(0)
minW = 0.1*cam.get(3)
minH = 0.1*cam.get(4)

while True:
    ret, img = cam.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = faceCascade.detectMultiScale(
        gray,
        scaleFactor=1.2,
        minNeighbors=5,
        minSize=(int(minW), int(minH))
    )

    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x w, y h), (0, 255, 0), 2)
        idnum, confidence = recognizer.predict(gray[y:y h, x:x w])

        if confidence < 100:
            idnum = names[idnum] 
            confidence = "{0}%".format(round(100 - confidence))
        else:
            idnum = "unknown"
            confidence = "{0}%".format(round(100 - confidence))

        cv2.putText(img, str(idnum), (x 5, y-5), font, 1, (0, 0, 255), 1)  #不能显示中文
        cv2.putText(img, str(confidence), (x 5, y h-5), font, 1, (0, 0, 0), 1) 

    cv2.imshow(\'camera\', img)
    k = cv2.waitKey(10)
    if k == 27:
        break

cam.release()
cv2.destroyAllWindows()

4.4.2 PIL法显示中文的人脸识别5-face_recognition_zh_PIL.py代码：自己添加的

#face_recognition 人脸检测，PIL法显示中文人名
import cv2
#---增加的PIL法显示中文---
import numpy
from PIL import Image, ImageDraw, ImageFont
#定义一个函数
def cv2ImgAddText(img, text, left, top, textColor=(0, 255, 0), textSize=20):
    if (isinstance(img, numpy.ndarray)):  # 判断是否OpenCV图片类型
        img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
    # 创建一个可以在给定图像上绘图的对象
    draw = ImageDraw.Draw(img)
    # 字体的格式，自己下载华文仿宋字体，放在根目录下
    fontStyle = ImageFont.truetype(
        "hwfs.ttf", textSize, encoding="utf-8")
    # 绘制文本
    draw.text((left, top), text, textColor, font=fontStyle)
    # 转换回OpenCV格式
    return cv2.cvtColor(numpy.asarray(img), cv2.COLOR_RGB2BGR)

recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read(\'/home/xgj/Desktop/face-de/face_trainer/trainer.yml\')
cascadePath = "/home/xgj/Desktop/face-de/haarcascade_frontalface_default.xml"
faceCascade = cv2.CascadeClassifier(cascadePath)
font = cv2.FONT_HERSHEY_SIMPLEX
#这里为0或者1都没有关系
idnum = 0

names = [\'机器人\', \'Bob\']   
#names中存储人的名字，若该人id为0则他的名字在第一位，id位1则排在第二位，以此类推
cam = cv2.VideoCapture(0)
minW = 0.1*cam.get(3)
minH = 0.1*cam.get(4)

while True:
    ret, img = cam.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    faces = faceCascade.detectMultiScale(
        gray,
        scaleFactor=1.2,
        minNeighbors=5,
        minSize=(int(minW), int(minH))
    )

    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x w, y h), (0, 255, 0), 2)
        idnum, confidence = recognizer.predict(gray[y:y h, x:x w])

        if confidence < 100:
            idnum = names[idnum] 
            confidence = "{0}%".format(round(100 - confidence))
        else:
            idnum = "unknown"
            confidence = "{0}%".format(round(100 - confidence))

        #cv2.putText(img, str(idnum), (x 5, y-5), font, 1, (0, 0, 255), 1)  #不能显示中文
        #注意下面格式，位置去掉元组格式，并int化
        img = cv2ImgAddText(img, str(idnum), int(x 5), int(y-5),  (0, 0, 255),20)  #显示为中文PIL法
        cv2.putText(img, str(confidence), (x 5, y h-5), font, 1, (0, 0, 0), 1) 

    cv2.imshow(\'camera\', img)
    k = cv2.waitKey(10)
    if k == 27:
        break

cam.release()
cv2.destroyAllWindows()

效果图