opencv_python 人脸识别（3）

说完人脸识别的人脸检测和保存数据的过程，接下来是对人脸数据进行获取和利用opencv的训练方法对人脸数据进行训练，生成特定模型；
首先是读取负面素材里的40个人脸数据，全部标为-1

	for i in os.walk("face_data/negative/"):#遍历图片文件夹读取训练集
		if i[2]!=[]:
			for j in i[2]:
				im = cv2.imread(str(i[0]+'/'+j), cv2.IMREAD_GRAYSCALE)
				X.append(np.asarray(im, dtype=np.uint8))
				y.append(-1)

然后是对指定的素材编号为0：

for i in os.walk("face_data/positive/"):#遍历图片文件夹读取训练集
		if i[2]!=[]:
			for j in i[2]:			
				im = cv2.imread(str(i[0]+'/'+j), cv2.IMREAD_GRAYSCALE)
				X.append(np.asarray(im, dtype=np.uint8))
				y.append(0)

如果有多个人，还可编号其他以方便后期识别时可以区分不同的人，从而识别是哪个人

接下来是对x,y矩阵（x是人脸数据的矩阵，y是人脸对应人物的编号矩阵）的训练。

model = cf.LBPHFaceRecognizer_create()
model.train(np.asarray(X), np.asarray(y))
model.save('trainner/trainner.yml')

训练后保存为trainer.yml，可以在trainer这个文件夹下找到训练好的模型，方便后期识别的时候进行调用

完整代码：

def face_train():
	import os
	num=0
	names = []
	print(names)
	X,y =[],[]
	for i in os.walk("face_data/negative/"):#遍历图片文件夹读取训练集
		if i[2]!=[]:
			for j in i[2]:
				im = cv2.imread(str(i[0]+'/'+j), cv2.IMREAD_GRAYSCALE)
				X.append(np.asarray(im, dtype=np.uint8))
				y.append(-1)
				
	for i in os.walk("face_data/positive/"):#遍历图片文件夹读取训练集
		if i[2]!=[]:
			for j in i[2]:			
				im = cv2.imread(str(i[0]+'/'+j), cv2.IMREAD_GRAYSCALE)
				X.append(np.asarray(im, dtype=np.uint8))
				y.append(0)
	y = np.asarray(y, dtype=np.int32)
	print(X,y)
	model = cf.LBPHFaceRecognizer_create()
	model.train(np.asarray(X), np.asarray(y))
	model.save('trainner/trainner.yml')