目录
4.1 AttributeError: module “cv2” has no attribute “face”
4.2 error: (-215:Assertion failed) empty() in function cv::CascadeClassifier
如果读者是需要用视频来进行人脸识别，可按照顺序进行操作；
如果是实时视频进行人脸跟踪，可直接跳到第二步操作。
一、录制人脸识别所需的视频
这里我将录制的视频命名为"jiang.avi"，需要各读者根据自己的需求进行修改。
"""
add_argument(参数可选) 添加设置的默认参数
name or flags 一个命名或者一个选项字符串的列表
action 表示该选项要执行的操作
default 当参数未在命令行中出现时使用的值
dest 用来指定参数的位置
type 为参数类型,例如int
choices 用来选择输入参数的范围,例如 choice=[1,5,10],表示输入参数只能为1,5或10
help 用来描述这个选项的作用
"""
# 写入视频文件
import cv2
import argparse
parser = argparse.ArgumentParser() # 创建解析器ArgumentParser对象
parser.add_argument('--avi',default='jiang.avi', help="path to the video file to write")
args = parser.parse_args()
# 把 parser中设置的所有"add_argument"返回到args子类实例中
capture = cv2.VideoCapture(0)
frame_width = capture.get(cv2.CAP_PROP_FRAME_WIDTH) # 获得视频的一些长,宽信息
frame_height = capture.get(cv2.CAP_PROP_FRAME_HEIGHT)
fps = capture.get(cv2.CAP_PROP_FPS) # 获得视频的FPS信息
fourcc = cv2.VideoWriter_fourcc(*'XVID')
# 或者fourcc = cv2.VideoWriter_fourcc('X', 'V', 'I', 'D')
img_gray = cv2.VideoWriter(args.avi,fourcc,int(fps),(int(frame_width),int(frame_height)),False)
# filename 打开的视频路径
# fourcc 指定编码器
# fps 要保存的视频的帧率
# frameSize 要保存的文件的画面尺寸
# False 表示以灰度文件写入视频
# True 表示以彩色文件写入视频
while capture.isOpened():
ret, frame = capture.read()
if ret is True:
gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 将每一帧转换成灰度
img_gray.write(gray_frame) # 保存每一帧灰度画面
cv2.imshow('img_gray', gray_frame) # 显示灰度
if cv2.waitKey(1) & 0xFF == ord('1'):
break
else:
break
capture.release()
img_gray.release()
cv2.destroyAllWindows()二、采样准备工作
2.1 创建文件夹
在代码的同一目录下，创建文件夹，这里我创建的是"dataes"文件夹。需要各读者根据自己的需求进行修改。
2.2 加入Haar分类器文件
在代码的同一目录下，添加（haarcascade_frontalface_default.xml）和（OpenCV_demo\haarcascade_frontalface_alt2.xml）两个 xml文件。
三、自定义人脸识别示例代码
（代码有注释）
# 录入人脸,在视频中识别
# import cv2 as cv # 查看opencv的版本
# print(cv.__version__)
import os
import cv2
from PIL import Image
import numpy as np
face_name = 'yxc' # 该人脸的名字
# 加载OpenCV人脸检测分类器
face_cascade = cv2.CascadeClassifier("OpenCV_demo\haarcascade_frontalface_alt2.xml")
recognizer = cv2.face.LBPHFaceRecognizer_create() # 准备好识别方法LBPH方法
camera = cv2.VideoCapture(0) # 0:开启摄像头
success, img = camera.read() # 从摄像头读取照片
W_size = 0.1 * camera.get(3) # 在视频流的帧的宽度
H_size = 0.1 * camera.get(4) # 在视频流的帧的高度
def get_face():
print("正在从摄像头录入新人脸信息 \n")
picture_num = 0 # 设置录入照片的初始值
while True: # 从摄像头读取图片
global success # 设置全局变量
global img # 设置全局变量
ret, frame = camera.read() # 获得摄像头读取到的数据(ret为返回值,frame为视频中的每一帧)
if ret is True:
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 转为灰度图片
else:
break
face_detector = face_cascade # 记录摄像头记录的每一帧的数据，让Classifier判断人脸
faces = face_detector.detectMultiScale(gray, 1.3, 5) # gray是要灰度图像，1.3为每次图像尺寸减小的比例，5为minNeighbors
for (x, y, w, h) in faces: # 制造一个矩形框选人脸(xy为左上角的坐标,w为宽，h为高)
cv2.rectangle(frame, (x, y), (x + w, y + w), (255, 0, 0))
picture_num += 1 # 照片数加一
t = face_name
cv2.imwrite("OpenCV_demo/dataes/1." + str(t) + '.' + str(picture_num) + '.jpg', gray[y:y + h, x:x + w])
# 保存图像，将脸部的特征转化为二维数组，保存在data文件夹内
maximums_picture = 13 # 设置摄像头拍摄照片的数量的上限
if picture_num > maximums_picture:
break
cv2.waitKey(1)
get_face()
def getlable(path):
facesamples = [] # 储存人脸数据(该数据为二位数组)
ids = [] # 储存星门数据
imagepaths = [os.path.join(path, f) for f in os.listdir(path)] # 储存图片信息
face_detector = cv2.CascadeClassifier('OpenCV_demo\haarcascade_frontalface_alt2.xml') # 加载分类器
print('数据排列：', imagepaths) # 打印数组imagepaths
for imagePath in imagepaths: # 遍历列表中的图片
pil_img = Image.open(imagePath).convert('L')
# 打开图片，灰度化，PIL的两种不同模式：
# (1)1(黑白，有像素的地方为1，无像素的地方为0)
# (2)L(灰度图像，把每个像素点变成0~255的数值，颜色越深值越大)
img_numpy = np.array(pil_img, 'uint8') # 将图像转化为数组
faces = face_detector.detectMultiScale(img_numpy) # 获取人脸特征
id = int(os.path.split(imagePath)[1].split('.')[0]) # 获取每张图片的id和姓名
for x, y, w, h in faces: # 预防无面容照片
ids.append(id)
facesamples.append(img_numpy[y:y+h, x:x+w])
# 打印脸部特征和id
print('id:', id)
print('fs:', facesamples)
return facesamples, ids
if __name__ == '__main__':
path = 'OpenCV_demo\dataes' # 图片路径
faces, ids = getlable(path) # 获取图像数组和id标签数组和姓名
recognizer = cv2.face.LBPHFaceRecognizer_create() # 获取训练对象
recognizer.train(faces, np.array(ids))
recognizer.write('22.yml') # 保存生成的人脸特征数据文件
# 加载训练数据集文件
recogizer = cv2.face.LBPHFaceRecognizer_create()
recogizer.read('22.yml') # 获取脸部特征数据文件
names = []
warningtime = 0
def face_detect_demo(img):
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转换为灰度图像
face_detector = cv2.CascadeClassifier('OpenCV_demo\haarcascade_frontalface_alt2.xml') # 加载分类器
face = face_detector.detectMultiScale(gray, 1.3, 5, cv2.CASCADE_SCALE_IMAGE, (100, 100), (300, 300))
# 进行识别，把整张人脸部分框起来
for x, y, w, h in face:
cv2.rectangle(img, (x, y), (x+w, y+h), color=(0, 0, 255), thickness=2) # 矩形
cv2.circle(img, center=(x+w//2, y+h//2), radius=w//2, color=(0, 255, 0), thickness=1) # 圆形
ids, confidence = recogizer.predict(gray[y:y + h, x:x + w]) # 进行预测、评分
if confidence > 80:
global warningtime
warningtime += 1
if warningtime > 100: # 警报达到一定次数，说明不是这个人
warningtime = 0
cv2.putText(img, 'unkonw', (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
else:
cv2.putText(img, str(names[ids-1]), (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
# 把姓名打到人脸的框图上
cv2.imshow('result', img)
# print('bug:',ids)
def name():
path = 'OpenCV_demo\dataes'
imagepaths = [os.path.join(path, f) for f in os.listdir(path)]
for imagePath in imagepaths:
name1 = str(os.path.split(imagePath)[1].split('.', 2)[1])
names.append(name1)
cap = cv2.VideoCapture('jiang.avi')
# cap = cv2.VideoCapture(0)
name()
while True:
flag, frame = cap.read() # 获得摄像头读取到的数据(flag为返回值,frame为视频中的每一帧)
if not flag:
break
face_detect_demo(frame)
if ord('1') == cv2.waitKey(27): # 按空格，退出
break
cv2.destroyAllWindows()
cap.release()
# print(names)
如果是实时视频进行人脸跟踪，将 cap = cv2.VideoCapture('jiang.avi') 改为 cap = cv2.VideoCapture(0) ，通过摄像头进行人脸跟踪。
四、人脸识别常见问题
4.1 AttributeError: module “cv2” has no attribute “face”
- 问题阐述
在 cv2模块中，没有找到 face部分。face 是部分的 opencv-contrib库，此存储库[ opencv-contrib ]用于开发所谓的 “额外” 模块，提供功能。新模块通常没有稳定的 API，并且它们没有经过良好测试。因此，它们不应作为官方OpenCV发行版的一部分发布，因为该库保持二进制兼容性，并试图提供良好的性能和稳定性。
- 问题解决
首先切换到你所在的环境（不建议在base环境中直接下载）：
conda activate 环境名然后安装 opencv-contrib库：
官方方法：
pip install opencv-python
pip install opencv-contrib-python快速方法：（使用国内镜像源）
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-python4.2 error: (-215:Assertion failed) empty() in function cv::CascadeClassifier
- 问题阐述
出现 error: (-215:Assertion failed) !empty() in function ‘cv::CascadeClassifier’ 的主要原因：是我们的代码没能够正确找到正确的调用脸部分类器。换句话说，就是没有找到正确的文件路径。
- 问题解决
找到脸部分类器对应的地址，绝对地址、相对地址均可。如：示例代码中所用的就是相对地址。