用python写一个人脸识别的门禁系统

要实现人脸识别门禁系统，一般需要以下步骤：

1.采集人脸数据：使用摄像头或者其他设备采集人脸图像，可以使用OpenCV库来实现。

2.提取人脸特征：使用人脸检测算法（如Haar特征检测器或者深度学习模型），将人脸从图像中提取出来，并提取出人脸的特征向量（如使用OpenFace或者FaceNet等模型）。

3.训练模型：使用机器学习算法或深度学习模型来训练人脸识别模型，例如使用SVM或者神经网络模型训练。

4.门禁系统：使用训练好的模型实现门禁系统，对于访客或者未注册用户，需要进行注册，将其人脸数据存储在数据库中，以便后续识别。

下面是一个简单的人脸识别门禁系统的实现代码：

import cv2
import numpy as np
import os

# 加载训练好的人脸识别模型
face_recognizer = cv2.face.LBPHFaceRecognizer_create()
face_recognizer.read('model.yml')

# 加载人脸检测器
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

# 加载训练集人员名单
with open('names.txt') as f:
    names = f.read().splitlines()

# 采集人脸数据
def capture_face():
    cap = cv2.VideoCapture(0)
    while True:
        ret, frame = cap.read()
        if ret:
            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
            faces = face_cascade.detectMultiScale(gray, scaleFactor=1.5, minNeighbors=5)
            for (x, y, w, h) in faces:
                roi_gray = gray[y:y+h, x:x+w]
                roi_color = frame[y:y+h, x:x+w]
                # 提取人脸特征向量
                features = extract_features(roi_gray)
                # 进行人脸识别
                label, confidence = face_recognizer.predict(features)
                # 显示人脸区域和识别结果
                cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)
                if confidence < 100:
                    name = names[label]
                    cv2.putText(frame, name, (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (255, 0, 0), 2)
                else:
                    cv2.putText(frame, "Unknown", (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (255, 0, 0), 2)
            cv2.imshow('frame', frame)
            if cv2.waitKey(1) & 0xFF == ord('q'):
                break
    cap.release()
    cv2.destroyAllWindows()

# 提取人脸特征向量
def extract_features(roi_gray):
    face_resize = cv2.resize(roi_gray, (100, 100))
    features = np.array(face_resize, 'uint8')
    return features.flatten()

# 添加新用户
def add_user(name):
    cap = cv2.VideoCapture(0)
    count = 0
    while True:
        ret, frame = cap.read()
        if ret:
            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
            faces = face_cascade.detectMultiScale(gray, scaleFactor=1.5, minNeighbors=5)
            for (x, y, w, h) in faces:
                roi_gray = gray[y:y+h, x:x+w]
                roi_color = frame[y:y+h, x:x+w]
                # 保存人脸图像
                cv2.imwrite('dataset/' + name + '/' + str(count) + '.jpg', roi_gray)
                count += 1
                cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)
                cv2.putText(frame, "Capturing Face", (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)
            cv2.imshow('frame', frame)
            if cv2.waitKey(1) & 0xFF == ord('q') or count == 30:
                break
    cap.release()
    cv2.destroyAllWindows()

    # 训练人脸识别模型
    train_model()

# 训练人脸识别模型
def train_model():
    faces = []
    labels = []
    for name in os.listdir('dataset'):
        label = names.index(name)
        for image_name in os.listdir('dataset/' + name):
            image_path = 'dataset/' + name + '/' + image_name
            image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
            features = extract_features(image)
            faces.append(features)
            labels.append(label)

    face_recognizer.train(faces, np.array(labels))
    face_recognizer.write('model.yml')

    print('Training complete.')

# 主函数
if __name__ == '__main__':
    while True:
        print('1. 开始识别')
        print('2. 添加用户')
        print('3. 退出程序')
        choice = input('请输入选项: ')
        if choice == '1':
            capture_face()
        elif choice == '2':
            name = input('请输入姓名: ')
            os.makedirs('dataset/' + name, exist_ok=True)
            add_user(name)
        elif choice == '3':
            break
        else:
            print('无效选项，请重新输入。')

这个程序可以实现基本的人脸识别门禁系统，可以识别已注册用户的人脸，并允许其进入，对于未注册用户可以要求其进行注册。但是这个程序还可以做得更加完善，例如可以添加人脸活体检测，提高识别的准确性，也可以使用更加先进的人脸识别模型来提高识别的准确性和效率。