[已解决]@FishC，OpenCV应该怎样使用

shadowmage

想要给自己本地PC上整理一下，调用OpenCV，辨认一下人脸，把同一人的照片归归类，应该怎么编写代码？
如果OpenCV做不到，请推荐类似人脸识别的库

最佳答案

月排行榜 / 总排行榜

FishC

2024-8-22 15:14:28

shadowmage 发表于 2024-08-22 15:14
以下代码可以满足顶楼要求吗：

import os
import  ...

这段代码有一些缺陷和漏洞，首先来看几个重要的问题：

1. **某些变量初始化为空：**
    - `images = []`
    - `filenames = []`
    - `all_face_locations = []`
    - `all_face_encodings = []`

2. **缺少变量赋值或错误使用：**
    - `label = labels` 应改为 `label = labels[i]`

3. **`face_recognition` 库的依赖问题：**
    - 确保已经安装 `face_recognition` 库，可以用 `pip install face_recognition`。

以下是修正后的代码示例：

1. import os
   
2. import numpy as np
   
3. from sklearn.cluster import DBSCAN
   
4. import face_recognition
   
5. 
   
6. def load_images_from_folder(folder):
   
7.     """
   
8.     从指定文件夹加载所有图片。
   
9.     """
   
10.     images = []
    
11.     filenames = []
    
12.     for filename in os.listdir(folder):
    
13.         img = face_recognition.load_image_file(os.path.join(folder, filename))
    
14.         if img is not None:
    
15.             images.append(img)
    
16.             filenames.append(filename)
    
17.     return images, filenames
    
18. 
    
19. def detect_faces_and_extract_encodings(images):
    
20.     """
    
21.     对每张图片进行人脸检测，并提取每个人脸的特征向量。
    
22.     """
    
23.     all_face_locations = []
    
24.     all_face_encodings = []
    
25.     for image in images:
    
26.         # 检测人脸
    
27.         face_locations = face_recognition.face_locations(image)
    
28.         # 提取人脸特征
    
29.         face_encodings = face_recognition.face_encodings(image, face_locations)
    
30.         all_face_locations.append(face_locations)
    
31.         all_face_encodings.extend(face_encodings)  # 将 list of list 展平成一个 list
    
32.     return all_face_locations, all_face_encodings
    
33. 
    
34. def cluster_faces(face_encodings):
    
35.     """
    
36.     使用DBSCAN算法对人脸特征向量进行聚类。
    
37.     """
    
38.     # 使用DBSCAN进行聚类
    
39.     clustering = DBSCAN(eps=0.5, min_samples=1).fit(face_encodings)
    
40.     return clustering.labels_
    
41. 
    
42. def create_and_move_files(filenames, labels, folder_path):
    
43.     """
    
44.     根据聚类标签创建文件夹，并将图片移动到相应的文件夹中。
    
45.     """
    
46.     # 获取所有标签的唯一值
    
47.     unique_labels = set(labels)
    
48.    
    
49.     # 对每个标签创建一个文件夹
    
50.     for label in unique_labels:
    
51.         new_folder = f"Person_{label}"
    
52.         os.makedirs(os.path.join(folder_path, new_folder), exist_ok=True)
    
53.         
    
54.     # 移动文件到相应的文件夹
    
55.     for i, filename in enumerate(filenames):
    
56.         label = labels[i]
    
57.         new_folder = f"Person_{label}"
    
58.         old_path = os.path.join(folder_path, filename)
    
59.         new_path = os.path.join(folder_path, new_folder, filename)
    
60.         os.rename(old_path, new_path)
    
61. 
    
62. def organize_faces_by_person(folder_path):
    
63.     """
    
64.     整个人脸组织流程的主函数。
    
65.     """
    
66.     # 加载图片
    
67.     images, filenames = load_images_from_folder(folder_path)
    
68.    
    
69.     # 检测所有人脸并提取特征
    
70.     all_face_locations, all_face_encodings = detect_faces_and_extract_encodings(images)
    
71.    
    
72.     # 聚类人脸
    
73.     labels = cluster_faces(all_face_encodings)
    
74.    
    
75.     # 创建文件夹并移动文件
    
76.     create_and_move_files(filenames, labels, folder_path)
    
77. 
    
78. folder_path = 'path_to_your_images_folder'  # 替换为你的图片文件夹路径
    
79. organize_faces_by_person(folder_path)

复制代码

### 额外提示：
- **eps 参数调整**：调整 `DBSCAN` 的 `eps` 参数，根据实际效果来优化识别准确度。
- **调整图像大小**：如果图片特别大，可以考虑调整大小以加速处理。

希望这些改动能帮助你整理和分类本地 PC 上的照片。祝你成功！

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

跳转到最佳答案楼层

FishC

你好，鱼油！使用OpenCV进行人脸识别并分类有点复杂，但我会尽量简洁地介绍一下基础步骤。如果OpenCV不能满足你的需求，其他库如dlib或facenet也非常强大。

**使用OpenCV进行人脸识别**：

1. **安装OpenCV**：
  

1. pip install opencv-python-headless
   
2.    pip install opencv-contrib-python-headless

复制代码

2. **加载所需模块**：
  

1. import cv2
   
2.    import os
   
3.    import numpy as np

复制代码

3. **加载预训练的人脸检测器**：
  

1. face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

复制代码

4. **编写人脸检测和识别代码**：
  

1. def detect_and_display(image_path):
   
2.        # 读取图像
   
3.        img = cv2.imread(image_path)
   
4.        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
   
5.        faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
   
6. 
   
7.        for (x, y, w, h) in faces:
   
8.            cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)
   
9. 
   
10.        cv2.imshow('Detected Faces', img)
    
11.        cv2.waitKey(0)
    
12.        cv2.destroyAllWindows()

复制代码

5. **调用函数**：
  

1. image_path = 'path_to_your_image.jpg'
   
2.    detect_and_display(image_path)

复制代码

如果要对同一张脸进行分类或聚类，OpenCV中的EigenFace和LBPH算法可以用来实现。你还需要为每个人准备多个训练图像。

**推荐其他库**：

- **dlib**：具有良好的人脸检测和面部嵌入功能。

1. pip install dlib
   
2.   pip install face_recognition

复制代码

  演示代码：

1. import face_recognition
   
2. 
   
3.   known_image = face_recognition.load_image_file("known_image.jpg")
   
4.   unknown_image = face_recognition.load_image_file("unknown_image.jpg")
   
5. 
   
6.   known_encoding = face_recognition.face_encodings(known_image)[0]
   
7.   unknown_encoding = face_recognition.face_encodings(unknown_image)[0]
   
8. 
   
9.   results = face_recognition.compare_faces([known_encoding], unknown_encoding)
   
10.   print("Is the face same?", results[0])

复制代码

- **facenet**：通过TensorFlow实现，精度高但设置稍复杂。

希望以上信息能帮到你，如果有更多问题，欢迎继续提问！

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

shadowmage

FishC 发表于 2024-8-22 13:01
你好，鱼油！使用OpenCV进行人脸识别并分类有点复杂，但我会尽量简洁地介绍一下基础步骤。如果OpenCV不能满 ...

以下代码可以满足顶楼要求吗：

1. import os
   
2. import numpy as np
   
3. from sklearn.cluster import DBSCAN
   
4. import face_recognition
   
5. def load_images_from_folder(folder):
   
6.     """
   
7.     从指定文件夹加载所有图片。
   
8.    
   
9.     :param folder: 包含图片的文件夹路径
   
10.     :return: 图片列表和对应的文件名列表
    
11.     """
    
12.     images = []
    
13.     filenames = []
    
14.     for filename in os.listdir(folder):
    
15.         img = face_recognition.load_image_file(os.path.join(folder, filename))
    
16.         if img is not None:
    
17.             images.append(img)
    
18.             filenames.append(filename)
    
19.     return images, filenames
    
20. def detect_faces_and_extract_encodings(images):
    
21.     """
    
22.     对每张图片进行人脸检测，并提取每个人脸的特征向量。
    
23.    
    
24.     :param images: 图片列表
    
25.     :return: 每张图片的人脸位置列表和所有人脸的特征向量列表
    
26.     """
    
27.     all_face_locations = []
    
28.     all_face_encodings = []
    
29.     for image in images:
    
30.         # 检测人脸
    
31.         face_locations = face_recognition.face_locations(image)
    
32.         # 提取人脸特征
    
33.         face_encodings = face_recognition.face_encodings(image, face_locations)
    
34.         all_face_locations.append(face_locations)
    
35.         all_face_encodings.extend(face_encodings)
    
36.     return all_face_locations, all_face_encodings
    
37. def cluster_faces(face_encodings):
    
38.     """
    
39.     使用DBSCAN算法对人脸特征向量进行聚类。
    
40.    
    
41.     :param face_encodings: 所有人脸的特征向量列表
    
42.     :return: 每个人脸所属的聚类标签
    
43.     """
    
44.     # 使用DBSCAN进行聚类
    
45.     clustering = DBSCAN(eps=0.5, min_samples=1).fit(face_encodings)
    
46.     return clustering.labels_
    
47. def create_and_move_files(filenames, labels, folder_path):
    
48.     """
    
49.     根据聚类标签创建文件夹，并将图片移动到相应的文件夹中。
    
50.    
    
51.     :param filenames: 文件名列表
    
52.     :param labels: 每个人脸所属的聚类标签
    
53.     :param folder_path: 包含原始图片的文件夹路径
    
54.     """
    
55.     # 获取所有标签的唯一值
    
56.     unique_labels = set(labels)
    
57.    
    
58.     # 对每个标签创建一个文件夹
    
59.     for label in unique_labels:
    
60.         new_folder = f"Person_{label}"
    
61.         os.makedirs(os.path.join(folder_path, new_folder), exist_ok=True)
    
62.         
    
63.     # 移动文件到相应的文件夹
    
64.     for i, filename in enumerate(filenames):
    
65.         label = labels[i]
    
66.         new_folder = f"Person_{label}"
    
67.         old_path = os.path.join(folder_path, filename)
    
68.         new_path = os.path.join(folder_path, new_folder, filename)
    
69.         os.rename(old_path, new_path)
    
70. def organize_faces_by_person(folder_path):
    
71.     """
    
72.     整个人脸组织流程的主函数。
    
73.    
    
74.     :param folder_path: 包含原始图片的文件夹路径
    
75.     """
    
76.     # 加载图片
    
77.     images, filenames = load_images_from_folder(folder_path)
    
78.    
    
79.     # 检测所有人脸并提取特征
    
80.     all_face_locations, all_face_encodings = detect_faces_and_extract_encodings(images)
    
81.    
    
82.     # 聚类人脸
    
83.     labels = cluster_faces(all_face_encodings)
    
84.    
    
85.     # 创建文件夹并移动文件
    
86.     create_and_move_files(filenames, labels, folder_path)
    
87. folder_path = 'path_to_your_images_folder'  # 替换为你的图片文件夹路径
    
88. organize_faces_by_person(folder_path)

复制代码

FishC

shadowmage 发表于 2024-08-22 15:14
以下代码可以满足顶楼要求吗：

import os
import  ...

这段代码有一些缺陷和漏洞，首先来看几个重要的问题：

1. **某些变量初始化为空：**
    - `images = []`
    - `filenames = []`
    - `all_face_locations = []`
    - `all_face_encodings = []`

2. **缺少变量赋值或错误使用：**
    - `label = labels` 应改为 `label = labels[i]`

3. **`face_recognition` 库的依赖问题：**
    - 确保已经安装 `face_recognition` 库，可以用 `pip install face_recognition`。

以下是修正后的代码示例：

1. import os
   
2. import numpy as np
   
3. from sklearn.cluster import DBSCAN
   
4. import face_recognition
   
5. 
   
6. def load_images_from_folder(folder):
   
7.     """
   
8.     从指定文件夹加载所有图片。
   
9.     """
   
10.     images = []
    
11.     filenames = []
    
12.     for filename in os.listdir(folder):
    
13.         img = face_recognition.load_image_file(os.path.join(folder, filename))
    
14.         if img is not None:
    
15.             images.append(img)
    
16.             filenames.append(filename)
    
17.     return images, filenames
    
18. 
    
19. def detect_faces_and_extract_encodings(images):
    
20.     """
    
21.     对每张图片进行人脸检测，并提取每个人脸的特征向量。
    
22.     """
    
23.     all_face_locations = []
    
24.     all_face_encodings = []
    
25.     for image in images:
    
26.         # 检测人脸
    
27.         face_locations = face_recognition.face_locations(image)
    
28.         # 提取人脸特征
    
29.         face_encodings = face_recognition.face_encodings(image, face_locations)
    
30.         all_face_locations.append(face_locations)
    
31.         all_face_encodings.extend(face_encodings)  # 将 list of list 展平成一个 list
    
32.     return all_face_locations, all_face_encodings
    
33. 
    
34. def cluster_faces(face_encodings):
    
35.     """
    
36.     使用DBSCAN算法对人脸特征向量进行聚类。
    
37.     """
    
38.     # 使用DBSCAN进行聚类
    
39.     clustering = DBSCAN(eps=0.5, min_samples=1).fit(face_encodings)
    
40.     return clustering.labels_
    
41. 
    
42. def create_and_move_files(filenames, labels, folder_path):
    
43.     """
    
44.     根据聚类标签创建文件夹，并将图片移动到相应的文件夹中。
    
45.     """
    
46.     # 获取所有标签的唯一值
    
47.     unique_labels = set(labels)
    
48.    
    
49.     # 对每个标签创建一个文件夹
    
50.     for label in unique_labels:
    
51.         new_folder = f"Person_{label}"
    
52.         os.makedirs(os.path.join(folder_path, new_folder), exist_ok=True)
    
53.         
    
54.     # 移动文件到相应的文件夹
    
55.     for i, filename in enumerate(filenames):
    
56.         label = labels[i]
    
57.         new_folder = f"Person_{label}"
    
58.         old_path = os.path.join(folder_path, filename)
    
59.         new_path = os.path.join(folder_path, new_folder, filename)
    
60.         os.rename(old_path, new_path)
    
61. 
    
62. def organize_faces_by_person(folder_path):
    
63.     """
    
64.     整个人脸组织流程的主函数。
    
65.     """
    
66.     # 加载图片
    
67.     images, filenames = load_images_from_folder(folder_path)
    
68.    
    
69.     # 检测所有人脸并提取特征
    
70.     all_face_locations, all_face_encodings = detect_faces_and_extract_encodings(images)
    
71.    
    
72.     # 聚类人脸
    
73.     labels = cluster_faces(all_face_encodings)
    
74.    
    
75.     # 创建文件夹并移动文件
    
76.     create_and_move_files(filenames, labels, folder_path)
    
77. 
    
78. folder_path = 'path_to_your_images_folder'  # 替换为你的图片文件夹路径
    
79. organize_faces_by_person(folder_path)

复制代码

### 额外提示：
- **eps 参数调整**：调整 `DBSCAN` 的 `eps` 参数，根据实际效果来优化识别准确度。
- **调整图像大小**：如果图片特别大，可以考虑调整大小以加速处理。

希望这些改动能帮助你整理和分类本地 PC 上的照片。祝你成功！

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。