当前位置：首页 > news >正文

# 实时人脸识别系统：基于 OpenCV 和 Python 的实现

news 来源：原创 2025/6/28 5:12:29

实时人脸识别系统：基于 OpenCV 和 Python 的实现

在当今数字化时代，人脸识别技术已经广泛应用于各种场景，从手机解锁到安防监控，再到智能门禁系统。今天，我将通过一个完整的代码示例，详细讲解如何使用 Python 和 OpenCV 实现一个实时人脸识别系统。这个系统不仅可以检测摄像头中的面部，还能识别出人脸的身份，并在图像上显示中文标签。

一、项目背景

人脸识别技术的核心在于能够快速、准确地识别出人脸，并将其与已知的身份进行匹配。OpenCV 是一个强大的计算机视觉库，它提供了丰富的图像处理和机器学习功能，非常适合用于实现人脸识别系统。在这个项目中，我们将结合 OpenCV 的人脸检测和识别功能，以及 Python 的灵活性，构建一个实时人脸识别系统。

二、技术栈

Python：一种广泛使用的高级编程语言，具有丰富的库和框架支持。
OpenCV：一个开源的计算机视觉库，提供了大量图像和视频处理功能。
Pillow：一个 Python 图像处理库，用于处理图像中的中文文本。

三、代码实现

1. 添加中文文本到图像

OpenCV 默认不支持中文字符，因此我们需要借助 Pillow 库来实现中文文本的绘制。以下是一个自定义函数 cv2AddChineseText，用于在图像上添加中文文本：

import cv2
import numpy as np
from PIL import Image, ImageDraw, ImageFontdef cv2AddChineseText(img, text, position, textColor=(0, 255, 0), textSize=30):""" 向图片中添加中文 """if (isinstance(img, np.ndarray)):  # 判断是否OpenCV图片类型img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))  # 实现array到image的转换draw = ImageDraw.Draw(img)  # 在img图片上创建一个绘图的对象# 字体的格式fontStyle = ImageFont.truetype("simsun.ttc", textSize, encoding="utf-8")draw.text(position, text, textColor, font=fontStyle)  # 绘制文本return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)  # 转换回OpenCV格式

2. 准备训练数据

为了实现人脸识别，我们需要准备一些人脸图像作为训练数据。这些图像可以是同一人物的多张照片，也可以是不同人物的照片。我们将这些图像加载到一个列表中，并为每张图像分配一个标签：

def image_re(image):a = cv2.imread(image, 0)  # 以灰度模式读取图像a = cv2.resize(a, (120, 180))  # 调整图像大小images.append(a)images = []
image_re('wp1.png')  # 加载人物1的图像1
image_re('wp2.png')  # 加载人物1的图像2
image_re('zjl1.png')  # 加载人物2的图像1
image_re('zjl2.png')  # 加载人物2的图像2labels = [0, 0, 1, 1]  # 为每张图像分配标签，0表示人物1，1表示人物2

3. 训练人脸识别模型

我们将使用 OpenCV 提供的 FisherFace 人脸识别算法来训练模型。FisherFace 是一种经典的人脸识别算法，基于线性判别分析（LDA）来优化特征提取：

recognizer = cv2.face.FisherFaceRecognizer_create(threshold=20000)
recognizer.train(images, np.array(labels))

4. 实时人脸检测与识别

接下来，我们将使用 OpenCV 的 Haar 特征级联分类器来检测摄像头中的面部，并使用训练好的模型进行识别。以下是完整的代码：

# 加载人脸检测器
faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')# 打开摄像头
cap = cv2.VideoCapture(0)while True:ret, frame = cap.read()if not ret:breakgray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)faces = faceCascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))for (x, y, w, h) in faces:face = gray[y:y+h, x:x+w]  # 提取人脸区域face = cv2.resize(face, (120, 180))  # 调整人脸大小以匹配训练数据label, confidence = recognizer.predict(face)  # 使用模型进行识别dic = {0: '我', 1: '周杰伦', -1: '无法识别'}  # 创建字典，将标签映射为人物名称text = dic.get(label, '未知')  # 获取识别结果cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)  # 绘制矩形框frame = cv2AddChineseText(frame, text, (x, y-10), textColor=(255, 0, 0))  # 添加中文标签cv2.imshow('Face Recognition', frame)  # 显示结果if cv2.waitKey(1) & 0xFF == ord('q'):  # 按下 'q' 键退出breakcap.release()  # 释放摄像头资源
cv2.destroyAllWindows()  # 关闭所有窗口

四、运行效果

运行上述代码后，摄像头将打开并实时显示视频流。当检测到人脸时，程序会绘制一个矩形框，并在框上方显示识别结果（如“我”或“周杰伦”）。按下 'q' 键即可退出程序。

五、总结

通过上述代码，我们实现了一个完整的实时人脸识别系统。这个系统不仅能够检测摄像头中的面部，还能识别出人脸的身份，并在图像上显示中文标签。你可以根据自己的需求扩展这个系统，例如增加更多的人脸数据、优化识别算法或改进用户界面。

如果你对这个项目感兴趣，或者有任何问题，欢迎在评论区留言交流！