OpenCV 辨识不同人脸

这篇教学会介绍使用 OpenCV 内建的 LBPH 人脸训练功能 ( cv2.face.LBPHFaceRecognizer_create())，搭配人脸特征模型，训练判断不同人脸的模型文件，完成后就能透过摄影机的图像，辨识出不同的人脸，标记出对应的名字。

快速导览：

• 安装 opencv_contrib_python
• 使用人脸图片，训练模型
• 根据模型，辨识不同人脸

因为程序中的 OpenCV 会需要使用镜头或 GPU，所以请使用本机环境 ( 参考：使用 Python 虚拟环境 ) 或使用 Anaconda Jupyter 进行实作 ( 参考：使用 Anaconda ) ，并安装 OpenCV 函数库 ( 参考：OpenCV 函数库 )。

安装 opencv_contrib_python

要使用 cv2.face.LBPHFaceRecognizer_create()，必须先安装 opencv_contrib_python，输入下列指令进行安装，opencv_contrib_python 提供 opencv 更多的操作方法。

如果使用 Anaconda Jupyter 搭配命令提示字元或终端机安装，虽然可以顺利安装，但程序执行后可能会出现“module 'cv2' has no attribute 'face'”提示，有两种解决方法：

• 第一、改成在 Jupyter 里使用 !pip 直接安装。
• 第二，移除 opencv-python 和 opencv_contrib_python，再次重新安装。

pip install opencv_contrib_python

使用人脸图片，训练模型

如果要辨识不同的人脸，必须先“训练”不同人脸的模型，透过 cv2.face.LBPHFaceRecognizer_create() 方法，将收集好的人脸图片 ( 同样的人，不同角度的照片 20～30 张 )，以每个 id 为一个人的单位进行图像训练，保留相关特征值，届时只要比对特征值，就能得到人脸辨识的信心指数。

首先准备一些蔡英文的照片和川普的照片 ( 都是使用 Goolge 图片搜索取得 )

接着撰写下方的程序，除了训练蔡英文和川普的照片，也搭配一组使用摄影镜头记录自己的人脸图像，经过训练后产生 yml 模型文件储存。

import cv2
import numpy as np
detector = cv2.CascadeClassifier('xml/haarcascade_frontalface_default.xml')  # 載入人臉追蹤模型
recog = cv2.face.LBPHFaceRecognizer_create()      # 啟用訓練人臉模型方法
faces = []   # 儲存人臉位置大小的串列
ids = []     # 記錄該人臉 id 的串列

for i in range(1,31):
    img = cv2.imread(f'face01/{i}.jpg')           # 依序開啟每一張蔡英文的照片
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 色彩轉換成黑白
    img_np = np.array(gray,'uint8')               # 轉換成指定編碼的 numpy 陣列
    face = detector.detectMultiScale(gray)        # 擷取人臉區域
    for(x,y,w,h) in face:
        faces.append(img_np[y:y+h,x:x+w])         # 記錄蔡英文人臉的位置和大小內像素的數值
        ids.append(1)                             # 記錄蔡英文人臉對應的 id，只能是整數，都是 1 表示蔡英文的 id 為 1

for i in range(1,16):
    img = cv2.imread(f'face02/{i}.jpg')           # 依序開啟每一張川普的照片
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 色彩轉換成黑白
    img_np = np.array(gray,'uint8')               # 轉換成指定編碼的 numpy 陣列
    face = detector.detectMultiScale(gray)        # 擷取人臉區域
    for(x,y,w,h) in face:
        faces.append(img_np[y:y+h,x:x+w])         # 記錄川普人臉的位置和大小內像素的數值
        ids.append(2)                             # 記錄川普人臉對應的 id，只能是整數，都是 2 表示川普的 id 為 2

print('training...')                              # 提示開始訓練
recog.train(faces,np.array(ids))                  # 開始訓練
recog.save('face.yml')                            # 訓練完成儲存為 face.yml
print('ok!')

根据模型，辨识不同人脸

已经训练好 yml 模型档后，就可以开始进行辨识，当辨识到人脸，会回传 id 与该 id 的信心指数 confidence，信心指数数值越小表示越准确，借由 id 与信心指数就能判断出现在画面中的人脸，并进一步标记对应的名字，下方的程序码会标记出蔡英文、川普以及 oxxostudio 三个人脸，如果辨识的人脸不属于这三个人，则会标记 ??? 的文字。

import cv2
recognizer = cv2.face.LBPHFaceRecognizer_create()         # 啟用訓練人臉模型方法
recognizer.read('face.yml')                               # 讀取人臉模型檔
cascade_path = "xml/haarcascade_frontalface_default.xml"  # 載入人臉追蹤模型
face_cascade = cv2.CascadeClassifier(cascade_path)        # 啟用人臉追蹤

cap = cv2.VideoCapture(0)                                 # 開啟攝影機
if not cap.isOpened():
    print("Cannot open camera")
    exit()
while True:
    ret, img = cap.read()
    if not ret:
        print("Cannot receive frame")
        break
    img = cv2.resize(img,(540,300))              # 縮小尺寸，加快辨識效率
    gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  # 轉換成黑白
    faces = face_cascade.detectMultiScale(gray)  # 追蹤人臉 ( 目的在於標記出外框 )

    # 建立姓名和 id 的對照表
    name = {
        '1':'Tsai',
        '2':'Trump',
        '3':'oxxostudio'
    }

    # 依序判斷每張臉屬於哪個 id
    for(x,y,w,h) in faces:
        cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)            # 標記人臉外框
        idnum,confidence = recognizer.predict(gray[y:y+h,x:x+w])  # 取出 id 號碼以及信心指數 confidence
        if confidence < 60:
            text = name[str(idnum)]                               # 如果信心指數小於 60，取得對應的名字
        else:
            text = '???'                                          # 不然名字就是 ???
        # 在人臉外框旁加上名字
        cv2.putText(img, text, (x,y-5),cv2.FONT_HERSHEY_SIMPLEX, 1, (0,255,0), 2, cv2.LINE_AA)

    cv2.imshow('oxxostudio', img)
    if cv2.waitKey(5) == ord('q'):
        break    # 按下 q 鍵停止
cap.release()
cv2.destroyAllWindows()

意见反馈