Python实现人脸识别

1、首先进行训练数据操作：

使用的数据集样子：

源程序代码如下（代码中有注释）：

"""
   __author__="dazhi"
    2021/3/20-20:41
"""
import os
import cv2
import sys
from PIL import Image
import numpy as np


def getImageAndLabels(path):
    facesSamples = []
    ids = []
    # for f in os.listdir(path)遍历每个图片的名称
    # os.path.join(path, f)连接操作
    imagePaths = [os.path.join(path, f) for f in os.listdir(path)]
    print("imagePaths 的值为：", imagePaths)
    # 检测人脸
    face_detector = cv2.CascadeClassifier('D:/wen10/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')

    # 遍历列表中的图片
    for imagePath in imagePaths:
        # 打开图片
        # 使用L格式打开图片
        PIL_img = Image.open(imagePath).convert('L')
        # 将图像转换为数组
        img_numpy = np.array(PIL_img, 'uint8')
        faces = face_detector.detectMultiScale(img_numpy)
        # 获取每张图片的id
        id = int(os.path.split(imagePath)[1].split('.')[0])
        for x, y, w, h in faces:
            # 将每一张的人脸区域放这里
            facesSamples.append(img_numpy[y:y + h, x:x + w])
            ids.append(id)
    return facesSamples, ids


if __name__ == '__main__':
    # 图片路径
    path = './data/jm/'
    # 获取图像数组和id标签数组
    faces, ids = getImageAndLabels(path)
    # 获取训练对象
    recognizer = cv2.face.LBPHFaceRecognizer_create()
    #train的两个参数图像数组和标签数组
    recognizer.train(faces, np.array(ids))
    # 保存文件
    recognizer.write('trainer/trainer.yml')

运行结果如下：

2、人脸识别操作（基于LBPH）：

源程序代码如下：

"""
   __author__="dazhi"
    2021/3/20-21:14
"""
import cv2 as cv
import numpy as np
import os
#加载训练数据集文件（上一个文件生成的）
#先创建对象
recogizer=cv.face.LBPHFaceRecognizer_create()
#加载数据
recogizer.read('trainer/trainer.yml')
#准备识别的图片
img=cv.imread('19.pgm')
#图片灰度转换
gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
# 加载特征数据
face_detector = cv.CascadeClassifier('D:/wen10/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
faces = face_detector.detectMultiScale(gray)
for x,y,w,h in faces:
    cv.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
    #人脸识别
    #predict该函数返回两个元素的数组：第一个元素是所识别 个体的标签，第二个是置信度评分。
    id,confidence=recogizer.predict(gray[y:y+h,x:x+w])
    print('标签id:',id,'置信评分：',confidence)
# 显示图片(这时的照片会一闪而过)
cv.imshow('result',img)
#设置等待键盘输入（保证上边显示的照片可以停留）
#传入0表示无限等待，直到有东西输入(单位是毫秒)
cv.waitKey(0)
#释放内存（由于底层是c++写的，所以将底层里面的空间进行释放）
cv.destroyAllWindows()

运行结果如下：

3、所用到的训练数据文件夹：

代码中用到的data文件夹~~~~~（点我）