Cách làm đồ án nhận diện khuôn mặt bằng OpenCV

Chuẩn bị môi trường lập trình

Đầu tiên, bạn cần đảm bảo máy tính đã cài đặt:

• Python 3.7 trở lên

• Trình quản lý gói pip

• IDE như PyCharm hoặc VS Code

Sau đó, cài đặt các thư viện cần thiết:

pip install opencv-python opencv-contrib-python numpy pillow

Giải thích:

• opencv-python: thư viện chính cho xử lý ảnh

• opencv-contrib-python: chứa các mô hình face recognizer (LBPH, EigenFace…)

• numpy: để xử lý mảng ảnh

• pillow: hỗ trợ thao tác ảnh PIL

Phát hiện khuôn mặt bằng Haar Cascade

Đây là bước nhận diện vị trí khuôn mặt trong ảnh hoặc video. Chúng ta sẽ dùng mô hình Haar Cascade được huấn luyện sẵn (có sẵn trong OpenCV).

File: detect_face.py

import cv2

face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + "haarcascade_frontalface_default.xml")
img = cv2.imread('test.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.3, 5)

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

cv2.imshow("Face Detection", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

Lưu ý: Bạn có thể thay test.jpg bằng tên file ảnh chứa khuân mặt của bạn hoặc tải xuống ảnh mẫu tại đây sau đó đổi tên file vừa tải thành test.jpg đặt file này cùng trong thư mục chứa file detect_face.py nhé!

Bấm nút chạy chương trình và cho ra kết quả sau:

Thu thập dữ liệu khuôn mặt (dataset)

Một hệ thống nhận diện cần được huấn luyện từ dữ liệu cụ thể. Mỗi người dùng cần có ảnh mẫu của khuôn mặt (thường là 50–100 ảnh).

Chúng ta sẽ viết một đoạn mã dùng webcam để chụp ảnh khuôn mặt và lưu vào thư mục dataset.

File: crop_face.py

import cv2
import os

face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + "haarcascade_frontalface_default.xml")
cam = cv2.VideoCapture(0)

user_id = input("Nhập ID người dùng: ")
count = 0

if not os.path.exists("dataset"):
    os.mkdir("dataset")

while True:
    ret, img = cam.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray, 1.3, 5)

    for (x, y, w, h) in faces:
        count += 1
        face_img = gray[y:y + h, x:x + w]
        face_img = cv2.resize(face_img, (200, 200))
        cv2.imwrite(f"dataset/User.{user_id}.{count}.jpg", face_img)
        cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

    cv2.imshow("Collecting Data", img)
    if cv2.waitKey(1) == 27 or count >= 100:  # ESC hoặc đủ 100 ảnh
        break

cam.release()
cv2.destroyAllWindows()

Huấn luyện mô hình nhận diện khuôn mặt

Sau khi có dữ liệu, bạn huấn luyện mô hình với thuật toán LBPH (Local Binary Pattern Histogram) – phù hợp với điều kiện ánh sáng không đồng đều, đơn giản nhưng hiệu quả.

File: train_face.py

import cv2
import numpy as np
from PIL import Image
import os

path = 'dataset'
recognizer = cv2.face.LBPHFaceRecognizer_create()

def get_images_and_labels(path):
    image_paths = [os.path.join(path, f) for f in os.listdir(path)]
    face_samples = []
    ids = []
    for image_path in image_paths:
        img = Image.open(image_path).convert('L')
        np_img = np.array(img, 'uint8')
        id = int(os.path.split(image_path)[-1].split('.')[1])
        face_samples.append(np_img)
        ids.append(id)
    return face_samples, ids

faces, ids = get_images_and_labels(path)
recognizer.train(faces, np.array(ids))
recognizer.save('trainer.yml')

Nếu gặp lỗi vui lòng cài đặt thư viện sau:

pip install opencv-contrib-python

Sau khi huấn luyện, mô hình sẽ lưu vào file trainer.yml.

Nhận diện khuôn mặt thời gian thực

Đây là bước giúp bạn demo trực tiếp trước giảng viên. Sử dụng webcam, đọc mô hình trainer.yml và kiểm tra khuôn mặt có khớp ID nào không:

File: detect_face_run.py

import cv2

recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('trainer.yml')
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + "haarcascade_frontalface_default.xml")
cam = cv2.VideoCapture(0)

while True:
    ret, img = cam.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray, 1.2, 5)

    for (x, y, w, h) in faces:
        id, confidence = recognizer.predict(gray[y:y + h, x:x + w])
        text = f"User {id}" if confidence < 50 else "Unknown"
        cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
        cv2.putText(img, text, (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)

    cv2.imshow('Face Recognition', img)
    if cv2.waitKey(1) == 27:  # ESC
        break

cam.release()
cv2.destroyAllWindows()