Python人脸识别项目-人脸识别-建立人脸模型

现在我们执行的是第二步建立人脸预测模型

# -*- coding: utf-8 -*
import cv2
import  os
from PIL import Image
import numpy as np

def getImageAndLabels(path):
    #存储人脸数据
    faceSamples = []
    #存储姓名
    ids = []
    #存储图片信息
    imagePaths =[os.path.join(path,f) for f in os.listdir(path)]
    #加载分类器
    face_dector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
    #遍历列表中的图片
    for image in imagePaths:
        #打开图片文件转为灰色,每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度
        PIL_img =Image.open(image).convert('L')
        #将图像数字化,数组作为图像类型操作
        img_numpy = np.array(PIL_img,'uint8')
        #获取图片人脸特征,把人脸那一块取出来
        faces = face_dector.detectMultiScale(img_numpy)
        #获取每张图片id
        id = int(os.path.split(image)[1].split('.')[0])
        #添加到列表中
        for x,y,w,h in faces:
            ids.append(id)
            faceSamples.append(img_numpy[y:y+h,x:x+w])

    print('id:',ids)
    print('fs:',faceSamples)
    return faceSamples,ids

if __name__ == '__main__':
    #图片路径
    path ='./picture'
    #获取图像数组和id标签数组和姓名
    faces,ids =getImageAndLabels(path)
    #识别器
    recognizer = cv2.face.LBPHFaceRecognizer_create()
    #训练
    recognizer.train(faces,np.array(ids))
    #保存文件
    recognizer.write('./train/trainer.yml')

 最后会生成一个.yml后缀名的文件,这就是我们需要的。