通过KNN算法使用电脑摄像头识别人脸

最新推荐文章于 2024-08-13 11:32:15 发布

ZhuangJIaMing

最新推荐文章于 2024-08-13 11:32:15 发布

阅读量1.2k

点赞数 1

文章标签：人脸识别 python opencv 深度学习

本文链接：https://blog.csdn.net/ZhuangJIaMing/article/details/113941908

版权

该博客介绍如何利用KNN算法和OpenCV库通过电脑摄像头进行人脸识别。首先，通过训练集生成KNN模型，然后实时捕获并识别摄像头中的人脸。文中还提供了训练文件夹的组织方式和代码示例。

摘要由CSDN通过智能技术生成

主要通过knn算法生成训练集,然后通过调用电脑摄像头进行人脸识别,废话不多说, 直接上代码!

import math
import os
import pickle
import re
import face_recognition
import cv2
import numpy as np
from PIL import Image, ImageDraw, ImageFont
from face_recognition.face_detection_cli import image_files_in_folder
from sklearn import neighbors


def train(train_dir, model_save_path=None, n_neighbors=None, knn_algo='ball_tree', verbose=False):
    """
        train_dir ; 给定的训练目录,格式是给定的目录下有多个目录,这多个目录以人的名字命名,每个目录下有一张或者多张想要训练的人的面部图片,一张图片有且只有一张脸,不然不会识别
        model_save_path :  训练模型保存的路径
        n_neighbors ; 分类中要加权的邻居数,不选择的话,就默认
        knn_algo : 要支持的基础数据结构knn.默认值是树
        verbose : 训练的详细程度
    """
    X = []
    y = []
    # 对训练集中的每个人进行循环
    for class_dir in os.listdir(train_dir):
        if not os.path.isdir(os.path.join(train_dir, class_dir)):
            continue
        # 循环浏览当前人员的每个训练图像
        for img_path in image_files_in_folder(os.p