[ Python+OpenCV ] 人脸识别模型训练（一）

人生不过0和1

已于 2024-01-04 13:11:10 修改

阅读量1.9k

点赞数 22

分类专栏：小紧张的Python学习之路文章标签： python opencv 开发语言计算机视觉 pycharm

于 2023-12-28 14:05:11 首次发布

本文链接：https://blog.csdn.net/wxf5522/article/details/135264296

版权

小紧张的Python学习之路专栏收录该内容

6 篇文章

订阅专栏

一、写在前面

本文所用例子为个人学习的小结，如有不足之处请各位多多海涵，欢迎小伙伴一起学习进步，如果想法可在评论区指出，我会尽快回复您，不胜感激！

所公布代码或截图均为运行成功后展示。

嘿嘿，小小免责声明一下！部分代码可能与其他网络例子相似，如原作者看到有不满，请联系我修改，感谢理解与支持！

二、本文内容

使用OpenCV的人脸模型分类器文件： haarcascade_frontalface_default.xml（这是一个预训练的机器学习模型，用于在图像中检测正面人脸）识别素材库中的人脸，素材库中选取了迪丽热巴（我爱热巴，超小声~）的部分照片，并训练出迪丽热巴的正脸模型。

效果：可以识别并框出人脸，并标注姓名，同时对比使用了古力娜扎的照片，能识别出不是热巴（选取了娜扎的照片，sorry娜扎~）并标注为who？

三、开发环境

1.Python 3.9

2.OpenCV

3.numpy

4.pillow

IDE:

1.Pycharm

四、素材准备

迪丽热巴的正脸照片N张，照片越多越好，提高模型准确性：

对比组古力娜扎照片N张，只是用于判断模型能区分：

五、代码实现

（一）定义文件路径

请根据自己文件储存的实际路径修改。

#分类器路径
classifier = r"F:\opencv-libs\opencv\sources\data\haarcascades\haarcascade_frontalface_default.xml"
# 需要训练的素材库路径
path = r"C:\Users\Administrator\Desktop\picture\trainer"
#训练好的模型存储路径
tranierfile = r"C:\Users\Administrator\Desktop\picture\trainer.yml"

（二）定义方法：创建数组储存人脸数据和对应姓名

从指定路径读取图像文件，然后使用 OpenCV 的 Haar 特征分类器来检测图像中的人脸，并将face和对应的name 存储在列表中。

def getImageAndLabels(path):
    # 人脸数据数组
    facesList = []
    # 姓名数据数组
    nameList = []
    # 图片信息
    imagePaths = [os.path.join(path, f) for f in os.listdir(path)]
    # 加载分类器
    face_detector =cv2.CascadeClassifier(classifier)
    # 遍历列表中的图片
    for imagePath in imagePaths:
        # 打开图片
        PIL_img = Image.open(imagePath).convert('L')
        # 将图像转为数组
        imgNumpy = np.array(PIL_img, 'uint8')
        # 获取图片人脸特征
        faces = face_detector.detectMultiScale(imgNumpy)
        # 获取每张图片的id和姓名
        face = int(os.path.split(imagePath)[1].split('.')[0])
        # 预防无面容照片
        for x, y, w, h in faces:
            nameList.append(face)
            facesList.append(imgNumpy[y:y + h, x: x + w])

        print('face=', face)
    print('facesList =', facesList)

    return facesList, nameList

（三）调用训练模型的方法

根据素材库中热巴的照片所生成的数组数据，加载到识别器中，运行后得到训练过的迪丽热巴正脸模型。

if __name__ == '__main__':
    # 获取facelist和namelist
    facesList, nameList = getImageAndLabels(path)
    # 加载识别器
    recognizer = cv2.face.LBPHFaceRecognizer_create()
    # 训练热巴模型
    recognizer.train(facesList, np.array(nameList))
    # 保存模型文件
    recognizer.write(tranierfile)