人脸识别之数据训练（三）

人脸识别之人脸检测（一）
人脸识别之拍照保存（二）
人脸识别之数据训练（三）
人脸识别之成果检验（四）
采集到人脸数据后，需要将人脸数据，转换为可以识别的数据。
1.对于彩色图像，我们进行了灰度处理，所以打开的模式为“L”。彩色图像格式之间的互相转换都可以通过Image模块的open()和save()函数来完成。
PIL的模式（1、L、P、RGB、RGBA、CMYK、YCbCr、I、F）介绍简单的3个：

模式	简介
1	模式“1”为二值图像，非黑即白。但是它每个像素用8个bit表示，0表示黑，255表示白
L	模式“L”为灰色图像，它的每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度。在PIL中，从模式“RGB”转换为“L”模式是按照下面的公式转换的：L = R * 299/1000 + G * 587/1000+ B * 114/1000
P	模式“P”为8位彩色图像，它的每个像素用8个bit表示，其对应的彩色值是按照调色板查询出来的

2.Opencv LBPH人脸识别算法原理：
首先以每个像素为中心，判断与周围像素灰度值大小关系，对其进行二进制编码，从而获得整幅图像的LBP编码图像；再将LBP图像分为个区域，获取每个区域的LBP编码直方图，继而得到整幅图像的LBP编码直方图，通过比较不同人脸图像LBP编码直方图达到人脸识别的目的,其优点是不会受到光照、缩放、旋转和平移的影响。
3.代码实现：

import os
import cv2
from PIL import Image
import numpy as np


def dataconversion(path):
    '''
    获取图像数组和id标签数组和姓名
    :param path: 图片路径
    :return:
    '''
    face_one = []
    ids = []
    imagePaths = [os.path.join(path,f) for f in os.listdir(path)]
    # 检测人脸
    face_detector = cv2.CascadeClassifier('D:/opencv(WIN)/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')
    for imagePath in imagePaths:    # 遍历列表中的图片
        PIL_img = Image.open(imagePath).convert('L')
        img_numpy = np.array(PIL_img,'uint8')    # 将图像转换为数组，以黑白深浅
        faces = face_detector.detectMultiScale(img_numpy)    # 获取图片人脸特征
        id = str(os.path.split(imagePath)[1].split('.')[0])     # 获取每张图片的id和姓名
        for x, y, w, h in faces:    # 预防无面容照片
            ids.append(id)
            face_one.append(img_numpy[y:y+h,x:x+w])
        print('id:', id)
    print('fs:', face_one)
    return face_one,ids


if __name__ == '__main__':
    path = 'D:/Pycharm/other/TEST/'
    faces, ids = dataconversion(path)
    # print(faces, ids)
    recognizer = cv2.face.LBPHFaceRecognizer_create()    # 获取训练对象
    recognizer.train(faces, np.array(ids))
    recognizer.write('test/test.yml')    # 保存文件