【保姆级教程】基于OpenCV+Python的人脸识别上课签到系统

一、软件安装及环境配置

1. 安装ide：pycharm

• 进入pycharm官网：https://www.jetbrains.com/pycharm/ ，点击download.
  

• 选择系统版本windows，选择community版本（因为免费），点击downlad。
  

• 下载完成后双击开始安装，点击next.
  

• 选择合适路径（建议除了c以外的其他盘），点击next。
  

• 勾选所有选项，点击next.
  

• 点击install，选择jetbrains.
  

• 等待安装结束，rboot now或 i want manually reboot later随便选一个即可，点击finish.
  

• 双击打开pycharm，首次打开会出现如下弹窗，勾选方框，点击continue。勾选don’t send
  
  
  至此pycharm软件安装完毕.

2. 搭建python的环境

• 打开python官方网站：https://www.python.org，点击downlads.
  

• 进入python下载界面，选择windows.
  

• 选择下面红框框住的版本：download windows x86-64 executable installer
  
  这可能会下载的非常慢，推荐internat download manager下载器(简称idm)，可以加速外网资源的下载，几个线程同时下载提高下载速度（官方说的最多五倍，个人觉得不止），官方地址https://www.internetdownloadmanager.com/download.html.
  
  鼠标移到安装包上，按右键复制地址，打开idm后，新建任务，把下载资源地址复制进去即可.
  

• 下载完成后，双击python-3.6.5rc1-amd64文件进行安装，切记在选项add python 3.6 to path的框中打钩，然后点击install now进入下一步.
  
  注：安装时一定要自定义安装解释器，因为后续库的安装地址同解释器的安装位置。项目小还好，项目大会把c盘“撑爆”.

• 耐心等待，安装完成后会弹出一个界面，点击close.
  

• 检查python环境是否搭建成功，在windows窗口中按 win+r，打开命令窗口，输入cmd，点击“确定”按钮，在新弹出的命令窗口中输入“python” (或“py”)回车，显示如下界面说明安装成功。
  
  

3. 新建项目、安装插件、库

• 打开pycharm，点击新建项目，为新项目命名并选择路径，点击create.
  
• 安装中文插件，在搜索框中输入chinese，安装中文简体语言包.
  
  
  安装成功后，点击restart ide重启软件，即可换为中文模式.
• 安装项目所需要的库，本项目用到的第三方库：opencv-python、opencv-contrib-python、pillow、
  numpy、tk、xlrd、xlwt、xlutils、datetime。
  由于外网网速原因，大概率会面临安装失败的问题，此时可以采用国内镜像源，利用pip加速安装.
  
  以opencv-python库为例，打开终端，输入下述命令：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python

终端pip安装完后，再打开python解释器安装软件包，速度快如飞雷神.

其余库安装流程类似，此处不做演示.

二、源文件编写

整体架构：

注意：把代码中涉及到的路径换为自己电脑下，否则编译器找不见报错

1. 采集人脸.py

演示：学号为：1111111111；姓名为：iu

首先，下载haarcascade_frontalface_default.xml，并把该xml文件移动到该项目下。下载地址https://gitcode.com/opencv/opencv/tree/master/data/haarcascades?utm_source=csdn_github_accelerator&islogin=1

import cv2
import os

# 定义变量
classifier = cv2.cascadeclassifier(r'd:\hello_world\pythonproject\haarcascade_frontalface_default.xml')
font = cv2.font_hershey_simplex
stu_id = input('请输入你的学号： \n')
stu_name = input('请输入你的姓名： \n')
count = 0

# 建立人脸数据文件夹
if not os.path.exists('data'):
    os.mkdir('data')

# 打开摄像头
capture = cv2.videocapture(0)

while capture.isopened():
    kk = cv2.waitkey(1)
    _,farme = capture.read()

    gray = cv2.cvtcolor(farme, cv2.color_bgr2gray)
    faces = classifier.detectmultiscale(gray, 1.2, 5)

    if len(faces) != 0:
        for x, y, w, h in faces:
            cv2.rectangle(farme, (x, y), (x + w, y + h), (200, 0, 250), 2)
            # center = (x + w // 2, y + h // 2)
            # r = w // 2
            # cv2.circle(farme, center, r, (0, 250, 0), 2)
            cv2.puttext(farme, 'press "s" to save' , (x + w, y + h), font, 1, (200, 0, 250), 2)

            if kk == ord('s'):
                cv2.imwrite('data/'+str(stu_name)+'.'+str(stu_id)+'.'+str(count)+'.jpg', gray[y:y+h,x:x+w])
                count += 1
                print('采集了'+str(count)+'张图片。')

    cv2.puttext(farme, 'press "q" to quit', (30, 60), font, 1, (200, 0, 250), 2)
    cv2.imshow('picture from capture',farme)

    if kk == ord('q'):
        print('共采集了学号为'+str(stu_id)+'姓名为'+str(stu_name)+'的同学的'+str(count)+'张图片')
        break

# 释放摄像头
capture.release()
cv2.destroyallwindows()

操作流程：右键运行’采集人脸’，输入自己的id号（笔者是10位学号），输入姓名首字母（例：张三，输入zs），enter。按s保存采集到的图像，一般采集20张，按q退出（注意：按s和q时必须切换至英文输入法模式）

2. 训练模型.py

import cv2
import numpy as np
from pil import image
import os

create = cv2.face.lbphfacerecognizer_create()

def data_translate(path):
    face_data = []
    id_data = []
    file_list = [os.path.join(path, f) for f in os.listdir(path)]
    # print(file_list)
    # print(len(file_list))
    for file in file_list:
        pil_image = image.open(file).convert('l')
        np_image = np.array(pil_image, "uint8")
        # print(file)
        # print(file.split('.'))
        # print(file.split('.')[1])
        id = int(file.split('.')[1])
        # print(file.split('.')[0])
        face_data.append(np_image)
        id_data.append(id)
    return face_data, id_data

print('开始训练模型')

# data_translate(r'data\data')
faces,ids = data_translate(r'd:\hello_world\pythonproject\data')

create.train(faces,np.array((ids)))

create.save('trainer.yml')
print('模型保存成功')

操作流程：右键运行’训练模型’，运行成功后，会生成一个trainer.yml文件.

3. 生成表格.py

# 引入库
import xlrd
import xlwt
from xlutils.copy import copy

# 创建工作簿
nwb = xlwt.workbook()

cjb = nwb.add_sheet('成绩表')
cjb.write_merge(0, 0, 0, 3, '成绩表')
a = ['序号', '学号', '姓名', '成绩', '签名', '签到时间']
for i in range(6):
    cjb.write(1, i, a[i])
name = ["iu", "张三", "李四", "王五"]
id = ['1111111111', '2020001111', '2020002222', '2020003333']
b = 0
for a in range(2, 6):
    # 写入学号
    cjb.write(a, 1, id[b])
    # 写入姓名
    cjb.write(a, 2, name[b])
    cjb.write(a, 0, b+1)
    b = b+1
# 保存文件
nwb.save('人脸识别excel.xls')

操作流程：右键运行’生成表格’，可根据自己需求增加name和id个数.

4. 识别签到.py

# 导入库
import cv2
import time
import xlrd
import xlwt
from xlutils.copy import copy
from datetime import datetime

# 创建签名子函数
def sign_in(idx, name):
    style0 =xlwt.easyxf('font:height 300,bold on,color_index black', num_format_str= 'mm:dd hh:mm')
    style1 = xlwt.easyxf('font:height 300,bold on,color_index blue', num_format_str ='mm:dd hh:mm')
    wb = xlrd.open_workbook('人脸识别excel.xls')
    nwb = copy(wb)
    nbs=nwb.get_sheet(0)
    # 签名
    nbs.write(idx, 3, name, style1)
    # 签时间
    nbs.write(idx, 4, datetime.now(), style0)
    nbs.col(4).width=256*20
    nwb.save('人脸识别excel.xls')


# 加载模型
classfier = cv2.cascadeclassifier('d:\hello_world\pythonproject\haarcascade_frontalface_default.xml')
create = cv2.face_lbphfacerecognizer.create()
create.read('trainer.yml')

# 定义变量
font = cv2.font_italic
starttime = time.time()
id = ('unknow')
name = ('unknow')
count = 0

# 从表格中获取学号、姓名，与识别结果比对
workbook = xlrd.open_workbook('人脸识别excel.xls')
worksheet = workbook.sheet_by_index(0)
stu_id = worksheet.col_values(1)
stu_name = worksheet.col_values(2)
print(stu_id)
print(stu_name)

# 打开摄像头
capture = cv2.videocapture(0)
while capture.isopened():
    kk = cv2.waitkey(1)
    _, farme = capture.read()
    gray = cv2.cvtcolor(farme, cv2.color_bgr2gray)
    faces = classfier.detectmultiscale(gray,1.2,5)
    if len(faces) != 0:
        for x, y, w, h in faces:
            cv2.rectangle(farme, (x,y), (x+w, y+h), (180, 120, 220), 2)
            gray1 = gray[y:y+h, x:x+w]
            label, conf = create.predict(gray1)
            print(label, conf)
            if conf < 50:
                index = [list for list, i in enumerate(stu_id)if i==str(label)]
                print(index)
                id = (str(label))
                name = stu_name[index[0]]
                print(id, name)
                count = count + 1
            else:
                id = ('unkown')
            cv2.puttext(farme, str(id), (x+w//2-50, y+h+30), font, 1.2, (200, 0, 250), 2)

    cv2.puttext(farme, 'press "q" to quit', (30, 60), font, 1.2, (200, 0, 250), 2)
    cv2.imshow('picture from capture.', farme)
    if kk == ord('q'):
        break

    if count > 30:
        sign_in(index[0], name)
        print('学号为：'+str(label)+',姓名为：'+str(name))
        break

    if time.time()-starttime>30:
        print('超时未识别')
        break

# 关闭所有窗口，释放摄像头
capture.release()
cv2.destroyallwindows()

操作流程：右键运行’识别人脸’，运行成功后，打开人脸识别签到表.xls查看签到信息.

5. 创建图形界面.py

把上述功能做一个gui界面，集成显示.

# 导入库
import tkinter as tk
import os
from pil import image, imagetk


#创建采集人脸子函数
def cjrl():
    os.system('python 采集人脸.py')

#创建训练模型子函数
def xl():
    os.system('python 训练模型.py')

#创建识别签到子函数
def sbqd():
    os.system('python 识别签到.py')

#创建签到表
def qdb():
    os.startfile('人脸识别excel.xls')

#关闭窗口
def gb():
    win.destroy()

# 创建窗口
win = tk.tk()
win.title('人脸识别签到系统')
win.geometry('310x500+800+50')
win.configure(bg='#ff8247')
# tk.label(win, text="自动化人脸识别", font=('黑体', 20, 'bold'), bg='#00bfff', fg='white').place(x=10,y=10)

# 设置图片以便使用
img = image.open('d:\hello_world\pythonproject\cat.jpg')
photo = imagetk.photoimage(img)

# 大标题
lab1 = tk.label(win, text="自动化人脸识别", font=('黑体', 20, 'bold'), bg='#00bfff', fg='white').grid(padx=20, pady=10, sticky=tk.w+tk.e)
# 显示图片
# lab2 = tk.label(win, image=photo).grid(padx=20, pady=10, sticky=tk.w+tk.e)

# 按钮
but1 = tk.button(win, text='采 集 人 脸 图 片', activebackground='yellow',command=cjrl, font=('黑体', 10, 'bold'), bg='#00bfff', fg='white').grid(padx=20, pady=10, sticky=tk.w+tk.e)

but2 = tk.button(win, text='训 练 模 型',activebackground='yellow', command=xl, font=('黑体', 10, 'bold'), bg='#00bfff', fg='white').grid(padx=20, pady=10, sticky=tk.w+tk.e)

but3 = tk.button(win, text='识 别 签 到',activebackground='yellow', command=sbqd, font=('黑体', 10, 'bold'), bg='#00bfff', fg='white').grid(padx=20, pady=10, sticky=tk.w+tk.e)

but4 = tk.button(win, text='签 到 表', activebackground='yellow',command=qdb, font=('黑体', 10, 'bold'), bg='#00bfff', fg='white').grid(padx=20, pady=10, sticky=tk.w+tk.e)

but5 = tk.button(win, text='关 闭 窗 口',activebackground='yellow', command=gb, font=('黑体', 10, 'bold'), bg='#00bfff', fg='white').grid(padx=20, pady=10, sticky=tk.w+tk.e)

tk.label(win, text='学号：1111111111 姓名：iu', bg='white', fg='black',font=('楷体',12)).grid(padx=20, pady=10, sticky=tk.w+tk.e)

# tk.label(win, text='字图一体', image=photo ,compound='bottom', bg='white', fg='black',font=('楷体',12)).grid(padx=20, pady=10, sticky=tk.w+tk.e)


win.mainloop()

三、相关函数分析

1.采集人脸

classifier = cv2.cascadeclassifier(r'd:\py-project\pythonproject1\haarcascade_frontalface_default.xml')

faces = classifier.detectmultiscale(gray, 1.2, 5)

2.训练模型

create = cv2.face.lbphfacerecognizer_create()

def data_translate(path):
    # 初始化用于存储面部图像数据的列表
    face_data = []
    # 初始化用于存储与面部图像对应的id的列表（学号）
    id_data = []
    # 使用os.path.join(path, f)将路径和文件名组合成完整的文件路径
    # 列表推导式用于创建包含所有文件完整路径的列表
    file_list = [os.path.join(path, f) for f in os.listdir(path)]

    # 遍历file_list中的每个文件路径
    for file in file_list:
        # 打开图像文件，并将其转换为灰度图像'l'模式
        pil_image = image.open(file).convert('l')
        # 转换为numpy数组，数据类型为"uint8"
        np_image = np.array(pil_image, "uint8")
        # 提取文件名中的id部分，文件名中第一个'.'之后，第二个'.'之前的部分
        id = int(file.split('.')[1])
        # 将转换后的图像数组添加到face_data列表
        face_data.append(np_image)
        # 将提取的id添加到id_data列表
        id_data.append(id)
    
    # 返回包含面部图像数据和对应id的两个列表
    return face_data, id_data

3.识别签到

style0 =xlwt.easyxf('font:height 300,bold on,color_index black', num_format_str= 'mm:dd hh:mm')

for x, y, w, h in faces:
    # 在图像farme上绘制矩形框，框住检测到的人脸区域
    # 参数(x, y)是矩形左上角的坐标，(x+w, y+h)是矩形右下角的坐标（注：坐标系在左上角）
    # (180, 120, 220)是矩形的颜色（bgr格式），2是线条的粗细
    cv2.rectangle(farme, (x, y), (x+w, y+h), (180, 120, 220), 2)
    
    # 从灰度图像gray中截取人脸区域，坐标(x, y)是人脸左上角，宽高为w和h
    gray1 = gray[y:y+h, x:x+w]
    
    # 使用人脸识别器create预测截取的人脸区域gray1的身份和置信度，前面create已经read过训练好的yml文件
    label, conf = create.predict(gray1)
    
    # 打印预测的标签（身份id）和置信度
    print(label, conf)
    
    # 如果置信度小于50，认为识别结果比较可信
    if conf < 50:
        # 尝试找到与预测标签（create检测出的label）匹配的学生id（excel表格中的stu_id）,二者本质上都是学号.
        index = [list for list, i in enumerate(stu_id) if i == str(label)]
        print(index)
        
        # 假设index列表中有匹配的id，把其转化为字符串格式，取出对应的学生姓名,生成表格.py生成excel默认是字符串格式（如不是，在单元格前＋‘按回车）
        id = (str(label))
        name = stu_name[index[0]]
        print(id, name)
        
        # 对识别成功的人脸数量进行计数
        count = count + 1
    else:
        # 如果置信度大于或等于50，认为识别结果不可信，标记为未知
        id = ('unknown')

4.创建图形界面

lab1 = tk.label(win, text="自动化人脸识别", font=('黑体', 20, 'bold'), bg='#00bfff', fg='white').grid(padx=20, pady=10, sticky=tk.w+tk.e)

but1 = tk.button(win, text='采 集 人 脸 图 片', activebackground='yellow',command=cjrl, font=('黑体', 10, 'bold'), bg='#00bfff', fg='white').grid(padx=20, pady=10, sticky=tk.w+tk.e)