OpenCV 辨識不同人臉

這篇教學會介紹使用 OpenCV 內建的 LBPH 人臉訓練功能 ( cv2.face.LBPHFaceRecognizer_create())，搭配人臉特徵模型，訓練判斷不同人臉的模型檔案，完成後就能透過攝影機的影像，辨識出不同的人臉，標記出對應的名字。

快速導覽：

• 安裝 opencv_contrib_python
• 使用人臉圖片，訓練模型
• 根據模型，辨識不同人臉

因為程式中的 OpenCV 會需要使用鏡頭或 GPU，所以請使用本機環境 ( 參考：使用 Python 虛擬環境 ) 或使用 Anaconda Jupyter 進行實作 ( 參考：使用 Anaconda ) ，並安裝 OpenCV 函式庫 ( 參考：OpenCV 函式庫 )。

安裝 opencv_contrib_python

要使用 cv2.face.LBPHFaceRecognizer_create()，必須先安裝 opencv_contrib_python，輸入下列指令進行安裝，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終端機安裝，雖然可以順利安裝，但程式執行後可能會出現「module 'cv2' has no attribute 'face'」提示，有兩種解決方法：

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

pip install opencv_contrib_python

使用人臉圖片，訓練模型

如果要辨識不同的人臉，必須先「訓練」不同人臉的模型，透過 cv2.face.LBPHFaceRecognizer_create() 方法，將收集好的人臉圖片 ( 同樣的人，不同角度的照片 20～30 張 )，以每個 id 為一個人的單位進行影像訓練，保留相關特徵值，屆時只要比對特徵值，就能得到人臉辨識的信心指數。

首先準備一些蔡英文的照片和川普的照片 ( 都是使用 Goolge 圖片搜尋取得 )

接著撰寫下方的程式，除了訓練蔡英文和川普的照片，也搭配一組使用攝影鏡頭記錄自己的人臉影像，經過訓練後產生 yml 模型檔案儲存。

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!')

根據模型，辨識不同人臉

已經訓練好 yml 模型檔後，就可以開始進行辨識，當辨識到人臉，會回傳 id 與該 id 的信心指數 confidence，信心指數數值越小表示越準確，藉由 id 與信心指數就能判斷出現在畫面中的人臉，並進一步標記對應的名字，下方的程式碼會標記出蔡英文、川普以及 oxxostudio 三個人臉，如果辨識的人臉不屬於這三個人，則會標記 ??? 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()

意見回饋

如果有任何建議或問題，可傳送「意見表單」給我，謝謝～