人脸识别-对数据的训练

感谢优秀的你打开了小白的文章

“希望在看文章的你今天又进步了一点点，离美好生活更近一步！”

灰度转换	人脸识别基础-灰度转换与修改图片尺寸_am_student的博客-CSDN博客
矩形圆形的绘制	人脸识别-矩形圆形的绘制_am_student的博客-CSDN博客
Hrr级联	人脸识别-Haar级联_am_student的博客-CSDN博客
多张人脸检测	人脸识别-多张人脸检测_am_student的博客-CSDN博客

目录

前言：

代码展示

 相关解释

 得到结果：

前言：

人脸检测是 OpenCV 重要的一个功能，它是人脸识别的基础。人脸识别其实就是一个程序能识别给定图像或视频中的人脸。实现这一目标的方法之一是用一系列分好类的图像来“训练”程序，并基于这些图像来进行识别。 这就是 OpenCV 及其人脸识别模块进行人脸识别的过程。 人脸识别模块的另外一个重要特征是：每个识别都具有转置信（confidence）评分，因此可在实际应用中通过对其设置阈值来进行筛选。

有了数据，需要将这些样本图像加载到人脸识别算法中。所有的人脸识别算法在它们的 train()函数中都有两个参数：图像数组和标签数组。这些标签表示进行识别时候某人人脸的 ID，因此根据 ID 可以知道被识别的人是谁。要做到这一点，将在「trainer/」目录中保存为.yml 文件。

代码展示

import os
import cv2
import sys
from PIL import Image
import numpy as np
def getImageAndLabels(path):
    facesSamples=[]
    ids=[]
    imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
    #检测人脸
    face_detector = cv2.CascadeClassifier(
        'C:/Users/ZXY13/Desktop/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')

    #遍历列表中的图片
    for imagePath in imagePaths:
        #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:
            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()
    recognizer.train(faces,np.array(ids))
    #保存文件
    recognizer.write('trainer/trainer.yml')

注：data文件可从链接中获取：

https://pan.baidu.com/s/1PSZIooRVKdv9AvB4b-ddFQ 
提取码：6666

 相关解释

os.listdir(path):为了获取该路径的所有文件。

 img_numpy=np.array(PIL_img,'uint8')：将图像转化为数组。

 faces = face_detector.detectMultiScale(img_numpy)：获取到人脸的数据。

    recognizer=cv2.face.LBPHFaceRecognizer_create()
    recognizer.train(faces,np.array(ids))：调用train进行训练获取的是图像数组和id标签数组。

 得到结果：

​

 可以关注公众号获取本项目具体代码，欢迎关注，一起学习！