基于海康摄像头进行人脸识别
硬件设备：使用的普通的海康ip摄像头。这里摄像头只用来获取视频流，人脸识别部分用代码处理。
代码部分：使用到了Python库opencv（用来获取把摄像头的视频流拿到代码中处理）。face_recognition 人脸识别库。
我们用的是海康摄像头通过局域网ip访问，当然也适用于其他型号摄像头，（更换source既rtsp地址）也适用于视频的人脸识别，（把source改为 视频文件的路径）。
海康ip摄像头的rtsp地址 ：
rtsp://[username]:[password]@[ip]:[port]/[codec]/[channel]/[subtype]/av_stream
username: 用户名。例如admin。
password: 密码。例如12345。
ip: 为设备IP。例如 192.0.0.64。
port: 端口号默认为554，若为默认可不填写。
codec：有h264、MPEG-4、mpeg4这几种。
channel: 通道号，起始为1。例如通道1，则为ch1。
subtype: 码流类型，主码流为main，辅码流为sub。参考
人脸识别模块使用的是python的一个人脸识别库，face_recognition
github地址 https://github.com/ageitgey/face_recognition
代码中把已知人物信息照片的路径放到filepath即可，注意如果不是jpg格式的需要在代码中更改成其他格式的。
另外如果名字是中文的还需要再进行修改，可以参考我博客中另一篇文章https://blog.csdn.net/Nirvana_6174/article/details/81411842
# -*- coding: utf-8 -*-
# 摄像头头像识别
import face_recognition
import cv2
from os import listdir
source = "×××××" #摄像头的rtsp地址
cam = cv2.VideoCapture(source)
filepath='../face_photos' #已知人脸图片文件夹 注意 如果会员图片后缀不是jpg 需要进行修改
filename_list=listdir(filepath)
known_face_names=[]
known_face_encodings=[]
a=0
for filename in filename_list:#依次读入列表中的内容
a+=1
if filename.endswith('jpg'):# 后缀名'jpg'匹对
known_face_names.append(filename[:-4])#把文件名字的后四位.jpg去掉获取人名
file_str=filepath+'/'+filename
a_images=face_recognition.load_image_file(file_str)
#print(file_str)
a_face_encoding = face_recognition.face_encodings(a_images)[0]
known_face_encodings.append(a_face_encoding)
print(known_face_names,a)
face_locations = []
face_encodings = []
face_names = []
process_this_frame = True
while(cam.isOpened()):
# 读取摄像头画面
ret, frame = cam.read()
if not ret:
#等同于 if ret is not none
break
# 改变摄像头图像的大小，图像小，所做的计算就少
small_frame = cv2.resize(frame, (0, 0), fx=0.33, fy=0.33)
# opencv的图像是BGR格式的，而我们需要是的RGB格式的，因此需要进行一个转换。
rgb_small_frame = small_frame[:, :, ::-1]
# Only process every other frame of video to save time
if process_this_frame:
# 根据encoding来判断是不是同一个人，是就输出true，不是为flase
face_locations = face_recognition.face_locations(rgb_small_frame)
face_encodings = face_recognition.face_encodings(rgb_small_frame, face_locations)
face_names = []
for face_encoding in face_encodings:
# 默认为unknown
matches = face_recognition.compare_faces(known_face_encodings, face_encoding,tolerance=0.48)
#阈值太低容易造成无法成功识别人脸，太高容易造成人脸识别混淆 默认阈值tolerance为0.6
#print(matches)
name = "Unknown"
# if match[0]:
# name = "michong"
# If a match was found in known_face_encodings, just use the first one.
if True in matches:
first_match_index = matches.index(True)
name = known_face_names[first_match_index]
face_names.append(name)
process_this_frame = not process_this_frame
# 将捕捉到的人脸显示出来
for (top, right, bottom, left), name in zip(face_locations, face_names):
# Scale back up face locations since the frame we detected in was scaled to 1/4 size
#由于我们检测到的帧被缩放到1/4大小，所以要缩小面位置
top *= 3
right *= 3
bottom *= 3
left *= 3
# 矩形框
cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2)
#引入ft2中的字体
#加上标签
cv2.rectangle(frame, (left, bottom - 20), (right, bottom), (0, 0, 255), cv2.FILLED)
font = cv2.FONT_HERSHEY_DUPLEX
cv2.putText(frame, name, (left + 6, bottom - 6), font, 0.8, (255, 255, 255), 1)
#frame = ft.draw_text(frame,(left + 6, bottom - 6), name, 1.0, (255, 255, 255))
#def draw_text(self, image, pos, text, text_size, text_color)
# Display
cv2.imshow('monitor', frame)
if cv2.waitKey(1) & 0xFF == 27:
break
cam.release()
cv2.destroyAllWindows()
在运行的时候会出现卡顿的状况，需要对海康摄像头配置进行改进，适当的降低清晰度码流等。
这是我的配置
看个人情况，这些慢慢调试就好。
汉字标框问题已解决，可以到我博客里面看，以及使用该模块做的智能签到系统，和各个人脸识别模块的代码。
其他人脸识别模块介绍 https://blog.csdn.net/Nirvana_6174/article/details/89599441
如有问题，或有什么建议可加群：894243022或发邮箱[email protected]
使用本文章或代码还请声明。
目录 返回
首页