lolxk助手(lol手机助手)

准备工作：

1.开发环境、开发工具及第三方包准备完善并创建空项目。 2.准备一些个人的图片（或者通过代码保存个人面部存入本地）要求：图片名称有一定规律 3.爬虫文件 - 爬取明星照片并存储本地 4.将明星图片和个人图片通过opencv处理保存面部图片 5.开始编写人脸识别的代码三.代码编写顺序

一.爬虫代码直接下载运行：点击下载链接: https://pan.baidu.com/s/1BNzSQ2Xk9GkYslhwKXLYSQ 提取码: qmy1二.安装python爬虫需要的第三方包：

三.运行python爬虫代码：

四.将图片转换为面部图片进行存储：

# 获取小头像信息import cv2import os# 图片张数变量def read_image(): dirs = os.listdir("d_img") for j,dir in enumerate(dirs): print(dir) # 判断是否有存储头像的路径 file_path = "x_face/%s"%str(dir); if not os.path.exists(file_path): os.makedirs(file_path); pass num = 0; for i in range(0,20): image = cv2.imread('d_img/%s/%d.jpg'%(dir,i)) gray = cv2.cvtColor(image,code = cv2.COLOR_BGR2GRAY); # 数据参数 face_detector = cv2.CascadeClassifier("haarcascade_frontalface_alt.xml"); # [3]进行数据对比:minNeighbors = 每一个目标至少要被检测 -整数 face_01 = face_detector.detectMultiScale(gray, minNeighbors=4); # 绘制矩形人脸检测 print("第%d张图片===:"%i,face_01) print(type(face_01)) if isinstance(face_01,tuple): print("没有检查的头像") pass else: print("****有检查的头像****") for x, y, w, h in face_01: # time.sleep(10) x_face = gray[y:y + h, x:x + w]; x_face = cv2.resize(x_face,dsize=(200,200)); bo_photo = cv2.imwrite("%s%d.jpg" % (file_path, num), x_face); print("保存成功:%d" % num) pass num+=1; pass pass passif __name__ == '__main__': read_image(); pass

运行结果 - 生产以下文件：

五.人脸识别 - 主代码：

# 人脸识别 - 主代码import cv2import osimport timeimport numpy as np;# 图片张数变量def Get_x_faces(): dirs = os.listdir("x_face") print(dirs) X = []# Y = []# for j,dir in enumerate(dirs): for i in range(0,9): image = cv2.imread('x_face/%s/%d.jpg'%(dir,i)) gray = cv2.cvtColor(image,code = cv2.COLOR_BGR2GRAY); print("读取",gray.shape) # NoneType ndarray if len(str(image))!=0: print("加入。。。。") X.append(gray) Y.append(j) pass return [X,Y,dirs] passif __name__ == '__main__': X,Y,dirs = Get_x_faces(); print("X=",X) print("Y=",Y) print("dirs=",dirs) #asarray都可以将结构数据转化为ndarray X = np.asarray(X); Y = np.asarray(Y); # 产生一个随机数 - index = [i for i in range(0,len(X))]; print(index) #现场修改序列，改变自身内容。（类似洗牌，打乱顺序） np.random.shuffle(index); print("***********",index) # 打乱顺序 :相同规则打乱 X = X[index] Y = Y[index] print("88888888",Y) # 训练数据 print("训练数据为：",len(X),len(Y)) X_train = X[:len(X)] Y_train = Y[:len(Y)]; print("800000",Y_train) # 算法Eigen 特征的意思 # 主成分分析（PCA）——Eigenfaces（特征脸）——函数：cv2.face.EigenFaceRecognizer_create model = cv2.face.EigenFaceRecognizer_create(); print(model) # 算法学习 print("算法学习", len(X_train), len(Y_train)); model.train(X, Y); print("已经学会了数据。。。。")# 测试数据 # X_test, Y_test = X[-5:], Y[-5:]; # 开始验证 # for data in X_test: # # print(data) # result = model.predict(data); # print("=================") # print(result) # print(dirs[result[0]]) # pass Video_face = cv2.VideoCapture(0); face_detector = cv2.CascadeClassifier("haarcascade_frontalface_alt.xml") # while循环调取视频图形 while True: flag,frame = Video_face.read(); gray = cv2.cvtColor(frame,code=cv2.COLOR_BGR2GRAY); faces = face_detector.detectMultiScale(gray,1.3,5); if isinstance(faces, tuple): print("没有检查的头像") pass else: print("有头像了。。。。") # for循环遍历数据 for x, y, w, h in faces: cv2.rectangle(frame, pt1=(x, y), pt2=(x + w, y + h), color=[0, 0, 255], thickness=2); face = gray[y:y + h, x:x+w]; print("===]]]", face.shape) face_1 = cv2.resize(face, dsize=(200, 200)); print("=================") print(face_1.shape) # 开始对比 print("~~~~"*20) print(" 参数为:",face_1.shape); result = model.predict(face_1); print("对比返回结果：", result) print('该人脸是：', dirs[result[0]]) a1 = dirs[result[0]] if result[1]<1600: a1 = "NO" pass cv2.putText(frame, a1, (x, y), cv2.FONT_ITALIC, 1, [0, 0, 255], 2); pass pass cv2.imshow('face', frame) cv2.waitKey(100) pass video.release() cv2.destroyAllWindows(); pass

大功告成

本文标签：