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