opencv人脸识别实战2:刷脸功能(PyCharm实现)
函数首先循环遍历已训练好的人脸模型。
(图片来源网络,侵删)
对每个模型,执行多次扫描以提高准确性。
在每次扫描中,使用摄像头读取图像,并将其转换为灰度图像。
使用人脸识别器检测图像中的人脸。
对于每张检测到的人脸,通过分类器的预测函数获取标签和置信度。
如果置信度低于一定阈值(confidence),即可识别已训练的对象,则输出姓名和置信度信息。
根据不同的置信度范围,确定是否可以识别该人脸。
最后,根据平均识别结果决定是否认定为合法用户。如果有大部分扫描结果是可行的,则返回相应的标签;否则返回0表示无法识别。
def scan_face(): for i in range(Total_face_num): i += 1 yml = str(i) + ".yml" print("\n本次:" + yml) recognizer.read(yml) ave_poss = 0 for times in range(10): times += 1 cur_poss = 0 global success global img global system_state_lock while system_state_lock == 2: print("\r刷脸被录入面容阻塞", end="") pass success, img = camera.read() gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 识别人脸 faces = face_cascade.detectMultiScale( gray, scaleFactor=1.2, minNeighbors=5, minSize=(int(W_size), int(H_size)) ) for (x, y, w, h) in faces: while system_state_lock == 2: print("\r刷脸被录入面容阻塞", end="") pass cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)# 这里调用Cv2中的rectangle函数 在人脸周围画一个矩形 # 调用分类器的预测函数,接收返回值标签和置信度 idnum, confidence = recognizer.predict(gray[y:y + h, x:x + w]) conf = confidence if confidence conf > 0: cur_poss = 1 elif 60 > conf > 35: cur_poss = 1 else: cur_poss = 0 k = cv2.waitKey(1) if k == 27: cv2.destroyAllWindows() break ave_poss += cur_poss if ave_poss >= 5: return i return 0
文章版权声明:除非注明,否则均为主机测评原创文章,转载或复制请以超链接形式并注明出处。