目标人脸检测与识别实验代码
时间: 2023-09-30 07:04:09 浏览: 41
以下是使用Python和OpenCV库实现目标人脸检测和识别的实验代码。这里我们使用基于特征的级联分类器(Cascade Classifier)来检测人脸,并使用OpenCV自带的LBPH算法进行人脸识别。
```
import cv2
import os
# 人脸识别分类器
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# LBPH识别器
recognizer = cv2.face.LBPHFaceRecognizer_create()
# 加载训练好的模型
recognizer.read('trainer.yml')
# 读取标签列表
labels = {}
with open('labels.txt', 'r') as f:
lines = f.readlines()
for line in lines:
label, name = line.strip().split(':')
labels[int(label)] = name
# 打开摄像头
cap = cv2.VideoCapture(0)
while True:
# 读取摄像头中的帧
ret, frame = cap.read()
# 转换为灰度图像
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 检测人脸
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
# 遍历每一个检测到的人脸
for (x, y, w, h) in faces:
# 绘制人脸矩形框
cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
# 提取人脸ROI
roi_gray = gray[y:y+h, x:x+w]
# 进行人脸识别
label, confidence = recognizer.predict(roi_gray)
# 显示识别结果
if confidence < 100:
name = labels[label]
cv2.putText(frame, name, (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)
else:
name = "unknown"
cv2.putText(frame, name, (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)
# 显示视频帧
cv2.imshow('frame', frame)
# 按下q键退出循环
if cv2.waitKey(1) & 0xff == ord('q'):
break
# 释放摄像头和窗口
cap.release()
cv2.destroyAllWindows()
```
在运行代码之前,需要先下载训练好的模型文件`trainer.yml`和标签列表文件`labels.txt`。同时还需要下载OpenCV自带的人脸检测分类器`haarcascade_frontalface_default.xml`。
需要注意的是,这里的人脸识别模型是使用LBPH算法训练得到的。如果需要使用其他算法,可以自行修改代码。同时,为了提高识别准确率,建议在训练模型时使用多个人的图片进行训练。