【附源码】基于opencv+pyqt5搭建的人脸识别系统

文章目录

前言
一、人脸检测
二、人脸识别
- 1.训练识别器
- 2.识别人脸
三、界面相关
四、源码获取
总结

前言

人脸识别技术作为人工智能领域的一颗璀璨明珠，正逐渐渗透到我们生活的每一个角落，从智能手机的解锁到机场的快速通关，从金融交易的安全认证到智慧城市的高效管理，它正以其独特的优势和强大的功能，为我们的生活带来前所未有的便捷与安全。本篇文章将借助opencv和pyqt5在本地搭建自己的人脸识别系统，编码不易，源码请私聊我有偿获取或点击这里获取。运行结果大概如下：

一、人脸检测

这里直接用opencv来进行人脸检测，代码如下：

python 复制代码

 self.face_detor = cv2.CascadeClassifier(cfg.face_det_xml)  # 加载人脸识别级联分类器
 faces = self.face_detor.detectMultiScale(img, 1.15, 4)  # 找出图像中所有的人脸

需要注意的是，这里传入的是灰度图

二、人脸识别

1.训练识别器

要进行识别，首先我们需要提前训练识别器，这里给出了三种识别器，可自由选择，代码如下

python 复制代码

if cfg.face_recoger_type=="LBPH": #当识别器类型制定为LBPH时
   self.recoger=cv2.face.LBPHFaceRecognizer_create()  # LBPH识别器
   self.conf= 100  
elif cfg.face_recoger_type=="Eigen": #当识别器类型制定为Eigen时
   self.recoger=cv2.face.EigenFaceRecognizer_create()  
   self.conf = 4000 
elif cfg.face_recoger_type=="Fisher":
   self.recoger=cv2.face.FisherFaceRecognizer_create()  # Fisher识别器
   self.conf=4000 
self.recoger.train(photos, np.array(lables))  # 识别器开始训练

2.识别人脸

识别器训练完成后，我们便可以直接拿来进行人脸识别，这里给出了人脸检测+识别的所有代码，代码如下：

c 复制代码

img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #转为灰度图
faces = self.face_det(img_gray)  # 找出图像中所有的人脸
roi_face_=img.copy()
if len(faces)>0: #当检测到人脸时间才去进行识别，否则直接退出
    x, y, w, h = faces[0] #人脸的左上坐标和宽高
    roi_face = img_gray[y:y + h, x:x + w]
    roi_face_ = img[y:y + h, x:x + w]
    roi_face=cv2.resize(roi_face, (self.cfg.imgw, self.cfg.imgh))  # 将当前帧缩放成统一大小
    label, confidence = self.recoger.predict(roi_face)  # 识别器开始分析人脸图像
    if str(label) in self.users:
        name = self.users[str(label)]
    if confidence > self.conf:  # 忽略评分大于最高评分的结果
        name="unknown"
    print(f"识别结果：{name},{confidence}")

三、界面相关

主要的界面处理代码会在这里给出，注意，这里只给出的是逻辑代码，具体怎么用需要各位根据自己的情况结合使用。

1.Qlabel展示图片

当我们想在界面上展示图片，如opencv时，执行以下代码即可，仅限BGR图片，

python 复制代码

rgb_img = cv2.cvtColor(face_img, cv2.COLOR_BGR2RGB)
qimg = QtGui.QImage(rgb_img, rgb_img.shape[1], rgb_img.shape[0], rgb_img.shape[1] * 3,
                    QtGui.QImage.Format_RGB888)
self.label_3.setPixmap(QtGui.QPixmap.fromImage(qimg))
self.label_3.setScaledContents(True)  # 图片自适应大小

2.表格跟随内容而增加和减少

由于表格的内容会或多或少，所以我们需要动态的管理表格行列，直接使用如下代码即可：

python 复制代码

 self.num = 0
 for i in range(len(select_list)):  # 遍历每个框
     self.num += 1
     idx=select_list[i]

     item = QTableWidgetItem(str(self.num))
     self.tableWidget.setItem(self.num, 0, item)
     item = QTableWidgetItem(name)
     self.tableWidget.setItem(self.num, 1, item)
     item = QTableWidgetItem(idx)
     self.tableWidget.setItem(self.num, 2, item)

     if self.num >= self.tableWidget.rowCount() - 1:
         row_num = self.tableWidget.rowCount()
         self.tableWidget.setRowCount(row_num + 1)  # 添加一行
 if self.last_num > self.num:
     for i in range(self.last_num - self.num):  # 要删除的行数
         self.tableWidget.removeRow(self.num + 1)
 self.last_num = self.num

3.选择图片文件

这里一行代码解决，如下：

python 复制代码

 filename, _ = QtWidgets.QFileDialog.getOpenFileName(None, "选择文件", os.getcwd(),
                                                            "All Files(*.jpg;*.png;*.jpeg;);;Text Files (*.txt)")

4.警告框

当我么需要给出警告，比如用户操作有误时，执行以下代码即可：

python 复制代码

def send_warn(self, label):
    msg_box = QMessageBox(QMessageBox.Warning, 'Warning', label)
    msg_box.exec_()

label即为我们要弹出的警告框的内容。

四、源码获取

以上展示了本系统的主要处理代码，有能力的大佬可以结合自己想法实现自己的人脸识别系统。所有文章涉及到的代码均是自己手敲，编码不易，如果要完整代码的私聊我小偿获取或点击这里获取。

总结

以上就是本篇的全部内容，根据自己的想法，结合opencv+pyqt5实现了人脸识别系统，如有需求或想法（包括本项目或其他类似项目），欢迎私我。