[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：

import os
import numpy as np
from sklearn.cluster import DBSCAN
import face_recognition

def load_images_from_folder(folder):
    """
    从指定文件夹加载所有图片。
    """
    images = []
    filenames = []
    for filename in os.listdir(folder):
        img = face_recognition.load_image_file(os.path.join(folder, filename))
        if img is not None:
            images.append(img)
            filenames.append(filename)
    return images, filenames

def detect_faces_and_extract_encodings(images):
    """
    对每张图片进行人脸检测，并提取每个人脸的特征向量。
    """
    all_face_locations = []
    all_face_encodings = []
    for image in images:
        # 检测人脸
        face_locations = face_recognition.face_locations(image)
        # 提取人脸特征
        face_encodings = face_recognition.face_encodings(image, face_locations)
        all_face_locations.append(face_locations)
        all_face_encodings.extend(face_encodings)  # 将 list of list 展平成一个 list
    return all_face_locations, all_face_encodings

def cluster_faces(face_encodings):
    """
    使用DBSCAN算法对人脸特征向量进行聚类。
    """
    # 使用DBSCAN进行聚类
    clustering = DBSCAN(eps=0.5, min_samples=1).fit(face_encodings)
    return clustering.labels_

def create_and_move_files(filenames, labels, folder_path):
    """
    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。
    """
    # 获取所有标签的唯一值
    unique_labels = set(labels)
    
    # 对每个标签创建一个文件夹
    for label in unique_labels:
        new_folder = f"Person_{label}"
        os.makedirs(os.path.join(folder_path, new_folder), exist_ok=True)
        
    # 移动文件到相应的文件夹
    for i, filename in enumerate(filenames):
        label = labels[i]
        new_folder = f"Person_{label}"
        old_path = os.path.join(folder_path, filename)
        new_path = os.path.join(folder_path, new_folder, filename)
        os.rename(old_path, new_path)

def organize_faces_by_person(folder_path):
    """
    整个人脸组织流程的主函数。
    """
    # 加载图片
    images, filenames = load_images_from_folder(folder_path)
    
    # 检测所有人脸并提取特征
    all_face_locations, all_face_encodings = detect_faces_and_extract_encodings(images)
    
    # 聚类人脸
    labels = cluster_faces(all_face_encodings)
    
    # 创建文件夹并移动文件
    create_and_move_files(filenames, labels, folder_path)

folder_path = 'path_to_your_images_folder'  # 替换为你的图片文件夹路径
organize_faces_by_person(folder_path)

### 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**：

pip install opencv-python-headless
   pip install opencv-contrib-python-headless

2. **加载所需模块**：

import cv2
   import os
   import numpy as np

3. **加载预训练的人脸检测器**：

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

4. **编写人脸检测和识别代码**：

def detect_and_display(image_path):
       # 读取图像
       img = cv2.imread(image_path)
       gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
       faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

       for (x, y, w, h) in faces:
           cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)

       cv2.imshow('Detected Faces', img)
       cv2.waitKey(0)
       cv2.destroyAllWindows()

5. **调用函数**：

image_path = 'path_to_your_image.jpg'
   detect_and_display(image_path)

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。

pip install dlib
  pip install face_recognition

  演示代码：

import face_recognition

  known_image = face_recognition.load_image_file("known_image.jpg")
  unknown_image = face_recognition.load_image_file("unknown_image.jpg")

  known_encoding = face_recognition.face_encodings(known_image)[0]
  unknown_encoding = face_recognition.face_encodings(unknown_image)[0]

  results = face_recognition.compare_faces([known_encoding], unknown_encoding)
  print("Is the face same?", results[0])

- **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：

import os
import numpy as np
from sklearn.cluster import DBSCAN
import face_recognition
def load_images_from_folder(folder):
    """
    从指定文件夹加载所有图片。
    
    :param folder: 包含图片的文件夹路径
    :return: 图片列表和对应的文件名列表
    """
    images = []
    filenames = []
    for filename in os.listdir(folder):
        img = face_recognition.load_image_file(os.path.join(folder, filename))
        if img is not None:
            images.append(img)
            filenames.append(filename)
    return images, filenames
def detect_faces_and_extract_encodings(images):
    """
    对每张图片进行人脸检测，并提取每个人脸的特征向量。
    
    :param images: 图片列表
    :return: 每张图片的人脸位置列表和所有人脸的特征向量列表
    """
    all_face_locations = []
    all_face_encodings = []
    for image in images:
        # 检测人脸
        face_locations = face_recognition.face_locations(image)
        # 提取人脸特征
        face_encodings = face_recognition.face_encodings(image, face_locations)
        all_face_locations.append(face_locations)
        all_face_encodings.extend(face_encodings)
    return all_face_locations, all_face_encodings
def cluster_faces(face_encodings):
    """
    使用DBSCAN算法对人脸特征向量进行聚类。
    
    :param face_encodings: 所有人脸的特征向量列表
    :return: 每个人脸所属的聚类标签
    """
    # 使用DBSCAN进行聚类
    clustering = DBSCAN(eps=0.5, min_samples=1).fit(face_encodings)
    return clustering.labels_
def create_and_move_files(filenames, labels, folder_path):
    """
    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。
    
    :param filenames: 文件名列表
    :param labels: 每个人脸所属的聚类标签
    :param folder_path: 包含原始图片的文件夹路径
    """
    # 获取所有标签的唯一值
    unique_labels = set(labels)
    
    # 对每个标签创建一个文件夹
    for label in unique_labels:
        new_folder = f"Person_{label}"
        os.makedirs(os.path.join(folder_path, new_folder), exist_ok=True)
        
    # 移动文件到相应的文件夹
    for i, filename in enumerate(filenames):
        label = labels[i]
        new_folder = f"Person_{label}"
        old_path = os.path.join(folder_path, filename)
        new_path = os.path.join(folder_path, new_folder, filename)
        os.rename(old_path, new_path)
def organize_faces_by_person(folder_path):
    """
    整个人脸组织流程的主函数。
    
    :param folder_path: 包含原始图片的文件夹路径
    """
    # 加载图片
    images, filenames = load_images_from_folder(folder_path)
    
    # 检测所有人脸并提取特征
    all_face_locations, all_face_encodings = detect_faces_and_extract_encodings(images)
    
    # 聚类人脸
    labels = cluster_faces(all_face_encodings)
    
    # 创建文件夹并移动文件
    create_and_move_files(filenames, labels, folder_path)
folder_path = 'path_to_your_images_folder'  # 替换为你的图片文件夹路径
organize_faces_by_person(folder_path)

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：

import os
import numpy as np
from sklearn.cluster import DBSCAN
import face_recognition

def load_images_from_folder(folder):
    """
    从指定文件夹加载所有图片。
    """
    images = []
    filenames = []
    for filename in os.listdir(folder):
        img = face_recognition.load_image_file(os.path.join(folder, filename))
        if img is not None:
            images.append(img)
            filenames.append(filename)
    return images, filenames

def detect_faces_and_extract_encodings(images):
    """
    对每张图片进行人脸检测，并提取每个人脸的特征向量。
    """
    all_face_locations = []
    all_face_encodings = []
    for image in images:
        # 检测人脸
        face_locations = face_recognition.face_locations(image)
        # 提取人脸特征
        face_encodings = face_recognition.face_encodings(image, face_locations)
        all_face_locations.append(face_locations)
        all_face_encodings.extend(face_encodings)  # 将 list of list 展平成一个 list
    return all_face_locations, all_face_encodings

def cluster_faces(face_encodings):
    """
    使用DBSCAN算法对人脸特征向量进行聚类。
    """
    # 使用DBSCAN进行聚类
    clustering = DBSCAN(eps=0.5, min_samples=1).fit(face_encodings)
    return clustering.labels_

def create_and_move_files(filenames, labels, folder_path):
    """
    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。
    """
    # 获取所有标签的唯一值
    unique_labels = set(labels)
    
    # 对每个标签创建一个文件夹
    for label in unique_labels:
        new_folder = f"Person_{label}"
        os.makedirs(os.path.join(folder_path, new_folder), exist_ok=True)
        
    # 移动文件到相应的文件夹
    for i, filename in enumerate(filenames):
        label = labels[i]
        new_folder = f"Person_{label}"
        old_path = os.path.join(folder_path, filename)
        new_path = os.path.join(folder_path, new_folder, filename)
        os.rename(old_path, new_path)

def organize_faces_by_person(folder_path):
    """
    整个人脸组织流程的主函数。
    """
    # 加载图片
    images, filenames = load_images_from_folder(folder_path)
    
    # 检测所有人脸并提取特征
    all_face_locations, all_face_encodings = detect_faces_and_extract_encodings(images)
    
    # 聚类人脸
    labels = cluster_faces(all_face_encodings)
    
    # 创建文件夹并移动文件
    create_and_move_files(filenames, labels, folder_path)

folder_path = 'path_to_your_images_folder'  # 替换为你的图片文件夹路径
organize_faces_by_person(folder_path)

### 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。