OpenCV是计算机视觉和机器学习的开源库。它包含数以千计的优化算法，并为各种计算机视觉应用提供了一个通用工具包。从这个项目的页面来看，从谷歌街景的图片拼接到互动艺术展的技术实现，OpenCV已经广泛应用于各个项目中。

OpenCV始于1999年英特尔的一个内部研究项目。从那以后，它的发展非常活跃。截至目前，已支持OpenCL、OpenGL等现代技术，以及iOS、Android等平台。

1999年，《半条命》上映后，一炮而红。英特尔奔腾3处理器是当时最先进的CPU，400-500 MHZ的时钟频率已经算是相当快的了。2006年OpenCV版本发布的时候，主流CPU的性能只比得上iPhone 5的A6处理器。虽然计算机视觉传统上被认为是一种计算密集型应用，但我们的移动设备的性能显然已经超过了能够执行有用的计算机视觉任务的阈值，带有摄像头的移动设备可以在计算机视觉平台上取得巨大成就。

这篇文章是通俗易懂的人脸识别！

import cv2 face_name = 'cjw' # 该人脸的名字 # 加载OpenCV人脸检测分类器 face_cascade = cv2.CascadeClassifier("D:/BaiduNetdiskDownload/python/opencv/opencv-4.5.1/" "data/haarcascades/haarcascade_frontalface_default.xml") recognizer = cv2.face.LBPHFaceRecognizer_create() # 准备好识别方法LBPH方法 camera = cv2.VideoCapture(0) # 0:开启摄像头 success, img = camera.read() # 从摄像头读取照片 W_size = 0.1 * camera.get(3) # 在视频流的帧的宽度 H_size = 0.1 * camera.get(4) # 在视频流的帧的高度 def get_face(): print("正在从摄像头录入新人脸信息 n") picture_num = 0 # 设置录入照片的初始值 while True: # 从摄像头读取图片 global success # 设置全局变量 global img # 设置全局变量 ret, frame = camera.read() # 获得摄像头读取到的数据(ret为返回值,frame为视频中的每一帧) if ret is True: gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 转为灰度图片 else: break face_detector = face_cascade # 记录摄像头记录的每一帧的数据，让Classifier判断人脸 faces = face_detector.detectMultiScale(gray, 1.3, 5) # gray是要灰度图像，1.3为每次图像尺寸减小的比例，5为minNeighbors for (x, y, w, h) in faces: # 制造一个矩形框选人脸(xy为左上角的坐标,w为宽，h为高) cv2.rectangle(frame, (x, y), (x + w, y + w), (255, 0, 0)) picture_num += 1 # 照片数加一 t = face_name cv2.imwrite("./data/1." + str(t) + '.' + str(picture_num) + '.jpg', gray[y:y + h, x:x + w]) # 保存图像，将脸部的特征转化为二维数组，保存在data文件夹内 maximums_picture = 13 # 设置摄像头拍摄照片的数量的上限 if picture_num > maximums_picture: break cv2.waitKey(1) get_face()

注意：加载分类器的文件地址；cv2.imwrite：保存图片的路径导入cv2 face _ name = & # 39；cjw & # 39#人脸名称 #加载OpenCV人脸检测分类器 face _ cascade = CV2。级联分类器(& # 34；d:/baidunetdisk download/python/opencv/opencv-4 . 5 . 1/& # 34； & # 34；data/haarcascades/haarcascade _ front alface _ default . XML & # 34；)[/H/]Recognizer = cv2 . face . lbphface Recognizer _ create()#准备识别方法LBPH method[/H/][/H/][/H/]camera = cv2 . video capture(0)# 0:打开相机 success，Img = camera.read() #从相机中读取照片 W_size = 0.1 * camera.get(3) #视频流中帧的宽度[/H/]H _ size = 0.1 * camera . get(4)# Height) picture_num = 0 #当True时设置录制图片的初始值 :从相机读取图片 全局成功#设置全局变量 全局img #设置全局变量 ret，Frame = camera.read() #获取相机读取的数据(ret为返回值，Frame为视频中的每一帧) 如果ret为True: Gray = cv2 . CVT color(Frame，2。简历。cv2。COLOR_BGR2GRAY) #转换为灰度图片 else: break face _ detector = face _ cascade #记录相机记录的每一帧的数据。让分类器判断人脸 faces = face _ detector。检测多尺度(gray，1.3，5) # gray是要灰度化的图像，1.3是每个图像尺寸缩小的比例，5是(x，y，W，H)在面中的min neighbors[/H/][/H/]:#制作一个矩形面(xy是左上角的坐标，W是宽度，H是高度) CV2。矩形(框架，(x，y)，(x+w，y+w)，(255，0，0)] [/h/。/data/1。"+str(t)+& # 39；。'+str(picture _ num)+& # 39；。jpg & # 39，gray[y:y+h，x:x+w]) #保存图像，将人脸的特征转换成二维数组，保存在数据文件夹中 maximums_picture = 13 #设置相机拍摄照片数量的上限 if picture _ num >；maxims _ picture: break CV2。Waitkey (1) get _ face()注意:加载分类器的文件地址；2.imwrite:保存图片的路径。

import os import cv2 from PIL import Image import numpy as np def getlable(path): facesamples = [] # 储存人脸数据(该数据为二位数组) ids = [] # 储存星门数据 imagepaths = [os.path.join(path, f) for f in os.listdir(path)] # 储存图片信息 face_detector = cv2.CascadeClassifier('D:/BaiduNetdiskDownload/python/opencv/opencv-4.5.1/data/haarcascades/' 'haarcascade_frontalface_alt2.xml') # 加载分类器 print('数据排列：', imagepaths) # 打印数组imagepaths for imagePath in imagepaths: # 遍历列表中的图片 pil_img = Image.open(imagePath).convert('L') # 打开图片，灰度化，PIL的两种不同模式： # (1)1(黑白，有像素的地方为1，无像素的地方为0) # (2)L(灰度图像，把每个像素点变成0~255的数值，颜色越深值越大) img_numpy = np.array(pil_img, 'uint8') # 将图像转化为数组 faces = face_detector.detectMultiScale(img_numpy) # 获取人脸特征 id = int(os.path.split(imagePath)[1].split('.')[0]) # 获取每张图片的id和姓名 for x, y, w, h in faces: # 预防无面容照片 ids.append(id) facesamples.append(img_numpy[y:y+h, x:x+w]) # 打印脸部特征和id print('id:', id) print('fs:', facesamples) return facesamples, ids if __name__ == '__main__': path = 'D:/BaiduNetdiskDownload/python/opencv/pythonProject/face1/data' # 图片路径 faces, ids = getlable(path) # 获取图像数组和id标签数组和姓名 recognizer = cv2.face.LBPHFaceRecognizer_create() # 获取训练对象 recognizer.train(faces, np.array(ids)) recognizer.write('trainer/trainer.yml') # 保存生成的人脸特征数据文件 （3） 进行识别.py

import cv2 import os # 加载训练数据集文件 recogizer = cv2.face.LBPHFaceRecognizer_create() recogizer.read('trainer/trainer.yml') # 获取脸部特征数据文件 names = [] warningtime = 0 def face_detect_demo(img): gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转换为灰度图像 face_detector = cv2.CascadeClassifier('D:/BaiduNetdiskDownload/python/opencv/opencv-4.5.1/' 'data/haarcascades/haarcascade_frontalface_default.xml') # 加载分类器 face = face_detector.detectMultiScale(gray, 1.3, 5, cv2.CASCADE_SCALE_IMAGE, (100, 100), (300, 300)) # 进行识别，把整张人脸部分框起来 for x, y, w, h in face: cv2.rectangle(img, (x, y), (x+w, y+h), color=(0, 0, 255), thickness=2) # 矩形 cv2.circle(img, center=(x+w//2, y+h//2), radius=w//2, color=(0, 255, 0), thickness=1) # 圆形 ids, confidence = recogizer.predict(gray[y:y + h, x:x + w]) # 进行预测、评分 if confidence > 80: global warningtime warningtime += 1 if warningtime > 100: # 警报达到一定次数，说明不是这个人 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) # 把姓名打到人脸的框图上 cv2.imshow('result', img) # print('bug:',ids) def name(): path = 'D:/BaiduNetdiskDownload/python/opencv/pythonProject/face1/data' imagepaths = [os.path.join(path, f) for f in os.listdir(path)] for imagePath in imagepaths: name1 = str(os.path.split(imagePath)[1].split('.', 2)[1]) names.append(name1) cap = cv2.VideoCapture('3.mp4') name() while True: flag, frame = cap.read() # 获得摄像头读取到的数据(flag为返回值,frame为视频中的每一帧) if not flag: break face_detect_demo(frame) if ord(' ') == cv2.waitKey(10): # 按空格，退出 break cv2.destroyAllWindows() cap.release() # print(names)三、运行过程及结果1、获取人脸照片于目标文件中

import OS import CV2 from pil import image import numpy as NP def get portable(path): face samples =[]# Store face data(此数据为二进制数组 ids =[]# Store gate data image paths =[OS。OS中f的path.join (path，f)。listdir (path)] #存储图片信息 face _ detector = cv2.cascade分类器(& # D:/BaiduNetdiskDownload/python/opencv/opencv-4 . 5 . 1/data/haarcascades/& # 39； & # 39；Haar scade _ front alface _ alt 2 . XML & # 39；)# Load classifier print(& # 39；数据排列:& # 39；，imagepaths) # Print数组imagepaths for imagepaths中的imagepaths: #遍历列表中的图片 pil _ img = image . open(image paths)。转换(& # 39；L & # 39) #打开图片，灰度，PIL两种不同的模式: # (1)1(黑白，有像素的地方是1，没有像素的地方是0) # (2)L(灰度图像，把每个像素点改成0~255的值，颜色越深。uint8 & # 39)#将图像转换成数组 faces = face _ detector . detect多尺度(img _ numpy) # Get面部特征 ID = int(OS . path . split(image path)[1]。拆分(& # 39；。')[0]) #获取faces中x，y，w，h的每张图片的id和名称 :#防止无脸照片 ids . append(ID) face samples . append(img _ numpy[y:y+h，x:。id:& # 39；，id) 打印(& # 39；fs:& # 39；，facesamples) 返回facesamples，id if _ _ name _ _ = = & # 39；_ _ main _ _ & # 39: path = & # 39；d:/BaiduNetdiskDownload/python/opencv/python project/face 1/data & # 39；# Image path faces，idS = Get label(path)# Get Image array，ID tag array and name recognizer = cv2 . face . lbphfacecognizer _ create()# Get training object recognizer . train(faces，NP . array trainer/trainer . yml & # 39；)#保存生成的面部特征数据文件 (3)用于识别。pyimport cv2 ImportOS #加载训练数据集文件 Recorder = CVV trainer/trainer . yml & # 39；)#获取面部特征数据文件 Names =[] warning time = 0 def face _ detect _ demo(img): Gray = cv2 . CVT color(img 2 .cv2。COLOR_BGR2GRAY) #转换成灰度图像 face _ detector = CV2。级联分类器(& # 39；d:/baidunetdisk download/python/opencv/opencv-4 . 5 . 1/& # 39； & # 39；data/haarcascades/haarcascade _ front alface _ default . XML & # 39；)# Load分类器 face = face _ detector。检测多尺度(灰度，1.3，5，CV2。cascade _ scale _ image，(100，100)，(300，300)] #识别整个人脸部分Y，w，h在人脸中: cv2.rectangle (img，(x，Y)，(x+w，y+h)，color = (0，0，255)，thickness = 2)# rectangle cv2 . circle(Radius = w//2，color = (0，255，0)，thickness = 1) # circle idspredict (gray [y: y+h，x: x+w]) #进行预测并评分[/ 80: 全局warning time warning time+= 1 if warning time & gt；100: #报警达到一定次数，表示不是此人 warning time = 0 cv2 . puttext(img，& # 39；未知& # 39；，(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)，2.font _ Hershey _ Simple，0.75，(0，255，0)，1) #在人脸的方块图上键入你的名字 cv2 . im show(& # 39；结果& # 39；，img) # print(& # 39；bug:& # 39；，ids) def name(): path = & # 39；d:/BaiduNetdiskDownload/python/opencv/python project/face 1/data & # 39； image paths =[OS . path . join(path)for f in OS . listdir(path)] for image path in image paths: name 1 = str(OS . path . split(image path)[1]。拆分(& # 39；。'，2)[1]) names . append(name 1) cap = cv2。视频捕捉(& # 39；3.mp4 & # 39) name() while true: flag，frame = cap.read () #获取摄像头读取的数据(flag为返回值，frame为视频中的每一帧) 如果不是flag: break & # 39；)== cv2.waitKey(10): #按空退出 break CV2。破坏性地Windows () cap。release () # print (names) [