Fisherface(FLD)人脸识别实验

Fisherface(FLD)人脸识别实验大致与Eigenface(PCA)人脸识别实验相同。主要是在模型训练方面，需要使用cv2.face.FisherFaceRecognizer_create()，最终的预测结果与实际相符。

如果想要了解Eigenface(PCA)人脸识别实验，可以参考我的另一篇博客：Eigenface(PCA)人脸识别实验

1、数据提取与处理

%matplotlib inline
# 导入所需模块
import matplotlib.pyplot as plt
import numpy as np
import os
import cv2

# plt显示灰度图片
def plt_show(img):
    plt.imshow(img,cmap='gray')
    plt.show()

# 读取一个文件夹下的所有图片，输入参数是文件名，返回文件地址列表
def read_directory(directory_name):
    faces_addr = []
    for filename in os.listdir(directory_name):
        faces_addr.append(directory_name + "/" + filename)
    return faces_addr

# 读取所有人脸文件夹,保存图像地址在faces列表中
faces = []
for i in range(1,41):
    faces_addr = read_directory