概述

本文将介绍如何使用Python实现一个基本的人脸识别系统。我们将采用OpenCV库来处理图像和视频流，并利用dlib库中的预训练模型来进行人脸检测与特征点定位。此外，我们还会使用face_recognition库简化部分过程，以达到快速开发的目的。

环境配置

安装必要的库

首先需要安装以下Python库：

pip install opencv-python-headless

pip install dlib

pip install face_recognition

确认依赖项

确认安装了正确的版本，并确保所有依赖项都已正确安装。

编程步骤

步骤 1: 导入必要的库

import cv2

import face_recognition

步骤 2: 加载并准备训练数据

我们需要一组已知的人脸图像作为训练数据。这里假设我们有一个名为`known_faces`的目录，其中包含了一些预先标记好的人脸图片。

def load_known_faces(directory):

known_face_encodings = []

known_face_names = []

for filename in os.listdir(directory):

image = face_recognition.load_image_file(os.path.join(directory, filename))

encoding = face_recognition.face_encodings(image)[0]

known_face_encodings.append(encoding)

known_face_names.append(filename.split(".")[0])

return known_face_encodings, known_face_names

known_face_encodings, known_face_names = load_known_faces("known_faces")

步骤 3: 实时摄像头捕获与识别

接下来，我们编写一个函数来从摄像头获取实时视频流，并对每一帧进行人脸识别。

def recognize_faces(frame):

# 调整图像大小以提高识别速度

small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25)

# 将BGR颜色空间转换为RGB

rgb_small_frame = small_frame[:, :, ::-1]

# 在图像中查找所有人脸位置及其编码

face_locations = face_recognition.face_locations(rgb_small_frame)

face_encodings = face_recognition.face_encodings(rgb_small_frame, face_locations)

face_names = []

for face_encoding in face_encodings:

matches = face_recognition.compare_faces(known_face_encodings, face_encoding)

name = "Unknown"

# 如果找到匹配，则使用第一个

if True in matches:

matched_indices = [i for i, b in enumerate(matches) if b]

counts = {}

for index in matched_indices:

name = known_face_names[index]

counts[name] += 1

name = max(counts, key=counts.get)

face_names.append(name)

return face_locations, face_names

# 打开摄像头

video_capture = cv2.VideoCapture(0)

while True:

ret, frame = video_capture.read()

face_locations, face_names = recognize_faces(frame)

for (top, right, bottom, left), name in zip(face_locations, face_names):

# 因为调整了图像大小，所以需要放大坐标

top *= 4

right *= 4

bottom *= 4

left *= 4

# 画出框

cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2)

# 画出标签

cv2.rectangle(frame, (left, bottom - 35), (right, bottom), (0, 0, 255), cv2.FILLED)

font = cv2.FONT_HERSHEY_DUPLEX

cv2.putText(frame, name, (left + 6, bottom - 6), font, 1.0, (255, 255, 255), 1)

# 显示结果图像

cv2.imshow('Video', frame)

# 按q键退出

if cv2.waitKey(1) & 0xFF == ord('q'):

break

# 释放摄像头资源

video_capture.release()

cv2.destroyAllWindows()

总结

通过上述步骤，我们构建了一个简单但功能强大的人脸识别系统。该系统能够实时地从摄像头捕获视频，并识别出已知的人脸。此程序可用于多种应用场景，如安全监控、身份验证等。