人脸识别python实现代码

tensorflow搭建cnn人脸识别训练+识别代码(python)

https://blog.csdn.net/codes_first/article/details/79223524

 

基于神经网络的人脸识别(Tensorflow,opencv,dlib,cnn,)

https://blog.csdn.net/qq_36955294/article/details/80112394
 

基于海康摄像头进行人脸识别

https://blog.csdn.net/Nirvana_6174/article/details/81392308

 

python+ opencv实现摄像头实时人脸识别并实现汉字标框

https://blog.csdn.net/Nirvana_6174/article/details/81411842

 

yale数据库

https://www.cnblogs.com/CSLaker/p/9828436.html

 

Python 3 利用 Dlib 实现摄像头实时人脸识别

https://www.cnblogs.com/AdaminXie/p/9010298.html

https://github.com/coneypo/Dlib_face_recognition_from_camera

Ubuntu+dlib+opencv摄像头实时人脸识别(含训练人脸库)

https://blog.csdn.net/ffcjjhv/article/details/84637986

 pip install face_recognition报错

https://blog.csdn.net/shuiheyuanyu/article/details/96458002

pip install cmake 
pip install boost
pip install dlib
pip install face_recognition 

 

 

  • 20
    点赞
  • 183
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
下面是一个基于Python和OpenCV库的KNN实现人脸识别代码示例: ```python import cv2 import numpy as np import os # 加载数据集和标签 def load_dataset(dataset_path): faces = [] labels = [] for dir_name, subdir_list, file_list in os.walk(dataset_path): for file_name in file_list: if file_name.endswith('.jpg'): img_path = os.path.join(dir_name, file_name) label = int(dir_name.split('/')[-1]) img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE) faces.append(img) labels.append(label) return faces, labels # 训练模型 def train(faces, labels): knn_model = cv2.face.KNearest_create() knn_model.train(np.array(faces), cv2.ml.ROW_SAMPLE, np.array(labels)) return knn_model # 预测人脸 def predict(knn_model, test_img): test_img = cv2.cvtColor(test_img, cv2.COLOR_BGR2GRAY) test_img = cv2.resize(test_img, (128, 128)) test_img = np.array(test_img).reshape(-1, 128*128).astype(np.float32) ret, results, neighbours, dist = knn_model.findNearest(test_img, k=5) return int(results[0][0]) # 加载数据集和标签 faces, labels = load_dataset('dataset') # 训练模型 knn_model = train(faces, labels) # 加载测试图像 test_img = cv2.imread('test.jpg') # 预测人脸 predicted_label = predict(knn_model, test_img) print('Predicted label: {}'.format(predicted_label)) ``` 在这个示例中,我们假设人脸图像数据集已经按照标签分好类,每个人的图像都在以其标签为名的文件夹中。`load_dataset`函数用于加载数据集和标签,`train`函数用于训练KNN模型,`predict`函数用于预测人脸。最后,我们通过加载测试图像,调用`predict`函数预测人脸,并输出预测结果。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值