Python-OpenCV人臉識別之資料集生成

在上一篇文章中，我們學習瞭如何安裝配置OpenCV和Python，然後寫了些程式碼玩玩人臉檢測。現在我們要進行下一步了，即搞一個人臉識別程式，就是不只是檢測還需要識別到人是誰。

來，搞人臉識別

要搞一個人臉識別程式，首先我們需要先用提前裁剪好的標註好的人臉照片訓練一個識別器。比如說，我們的識別器需要識別兩個人，一個人的id是1，而另一個的id是2，於是在資料集裡面，1號人的所有照片會有id 1號，2號人同理。然後我們就會使用這些資料集照片去訓練識別器，再從一個視訊中識別出1號人。

我們把要做的事分成三部分：

1. 建立資料集
2. 訓練
3. 識別

在本文中，我們會嘗試寫一個程式來生成資料集。

生成資料集

我們來寫一個資料集生成指令碼。

首先開啟我們的Python環境，不管是Pycharm等IDE，還是簡單的記事本都行。需要提前準備的是在目錄中放好haarcascade_frontalface_default.xml，上一篇也有用到過這個XML檔案，就是OpenCV自帶的。

接下來使用cv2獲取攝像頭資料以及XML檔案：

import cv2
cam = cv2.VideoCapture(0)
detector=cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

我們的資料集需要先從攝像頭採集一些人臉例子照片，當然，只能是同一個人的。然後程式會給這些例子照片新增id，並將照片儲存在一個資料夾中，這個資料夾我們就將它命名為dataSet吧。

來，我們在py指令碼的同目錄下建立一個dataSet的資料夾。為了不會將不同的人臉照片弄混，我們需要定一個命名規則，用於給照片命名。

例如，命名規則為User.[ID].[SampleNumber].jpg。如果是2號人的第十張照片，我們可以將它命名為User.2.10.jpg。

為什麼要定義這樣的格式呢？因為這樣，在載入照片訓練的時候，我們就可以只通過照片的檔名，就能簡單地判斷是幾號使用者的人臉照片。

接下來，我們嘗試用比較簡單的方法，通過shell輸入，來獲取人的id，並且初始化計算器變數來儲存人們的例子數。

Id = raw_input('enter your id: ')
sampleNum = 0

然後我們加入一個主迴圈，我們會從視訊流中輸入20個例子，然後把例子都儲存在已經建立好的dataSet資料夾。

這是之前寫過的程式碼版本，用於人臉檢測：

while True:
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = detector.detectMultiScale(gray, 1.3, 5)
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

    cv2.imshow('frame', img)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

現在我們將它改造成資料集生成程式：

while True:
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = detector.detectMultiScale(gray, 1.3, 5)
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

        # 增加例子數
        sampleNum = sampleNum + 1
        # 把照片儲存到資料集資料夾
        cv2.imwrite("dataSet/user." + str(Id) + '.' + str(sampleNum) + ".jpg", gray[y:y + h, x:x + w])

        cv2.imshow('frame', img)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

我們新增了兩行程式碼，用以計算例子數，以及將人臉照片按照我們的命名規則儲存為jpg格式。

其中有一個值得注意的地方，就是gray[y : y + h, x : x + w]。此處我們是把一張灰度圖片看成一個二維陣列（或二維向量），然後使用python中[]擷取OpenCV檢測出來的人臉區域。

不過這樣的程式碼會在一秒內快速地生成許多照片，比如說20張。我們不想要那麼快，我們需要的是更好的素材，比如說從不同角度拍攝出來的照片，這樣的話，要求慢一點。

為了慢一點，我們需要提高一下兩次拍攝之間的延遲。同時，我們素材不需要太多，20張就好。

while True:
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = detector.detectMultiScale(gray, 1.3, 5)
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

        # 增加例子數 
        sampleNum = sampleNum + 1
        # 把照片儲存到資料集資料夾
        cv2.imwrite("dataSet/User." + str(Id) + '.' + str(sampleNum) + ".jpg", gray[y:y + h, x:x + w])  #

        cv2.imshow('frame', img)
    # 延遲100毫秒 
    if cv2.waitKey(100) & 0xFF == ord('q'):
        break
    # 超過20張就可以停了
    elif sampleNum > 20:
        break

好，繼續，現在的程式碼就會在兩個拍攝間延遲100毫秒，100毫秒足夠讓我們去移動我們人臉的角度了（時間不夠長就再加）。而且，在拍攝20張後就停止了。

最後記得釋放資源：

cap.release()
cv2.destroyAllWindows()

放出完整程式碼：

import cv2

detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
cap = cv2.VideoCapture(0)
sampleNum = 0
Id = raw_input('enter your id: ')

while True:
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = detector.detectMultiScale(gray, 1.3, 5)
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

        # incrementing sample number
        sampleNum = sampleNum + 1
        # saving the captured face in the dataset folder
        cv2.imwrite("dataSet/User." + str(Id) + '.' + str(sampleNum) + ".jpg", gray[y:y + h, x:x + w])  #

        cv2.imshow('frame', img)
    # wait for 100 miliseconds
    if cv2.waitKey(100) & 0xFF == ord('q'):
        break
    # break if the sample number is morethan 20
    elif sampleNum > 20:
        break

cap.release()
cv2.destroyAllWindows()

生成結果

如圖，已經生成了一堆訓練素材了。

先這樣吧

原文，若有錯誤之處請指出，更多地關注煎魚。