[ Python+OpenCV ] 人脸识别模型训练（二）

人生不过0和1

已于 2024-01-04 13:12:31 修改

阅读量1.2k

点赞数 15

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 人工智能

于 2023-12-29 11:40:17 首次发布

本文链接：https://blog.csdn.net/wxf5522/article/details/135269563

版权

小紧张的Python学习之路专栏收录该内容

6 篇文章 0 订阅

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

使用上一章已经生成好的迪丽热巴的正脸模型，对别的照片进行识别，根据差别度是否超过设定的阈值，以判断照片中是否为迪丽热巴（热巴比心❤~）。

三、开发环境

所需引包

import cv2 as cv

1.Python 3.9

2.OpenCV

IDE:

1.Pycharm

四、素材准备

迪丽热巴的正脸照片N张，可用新照片，我这就下载了几张：

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"
#上一章中训练的迪丽热巴正脸模型
trainerFile = r'F:\opencv-libs\opencv\sources\data\personaltrainer\trainer_dilireba.yml'
#将进行比较的图片
photo = r"C:\Users\Administrator\Desktop\picture\trainer\1.jpg"

（二）定义方法：识别人脸并标出结果

加载迪丽热巴的人脸训练模型，将需要对比的图片转为灰度图像并与模型进行比较，生成差异度，定义差异阈值为60，超过60则判定不为热巴。

def face_detect(img):
    # 加载识别器
    recognizer = cv.face.LBPHFaceRecognizer_create()
    # 加载迪丽热巴的模型
    recognizer.read(trainerFile)
    #将彩色图像转换为灰度图像
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    #加载分类器
    face_detector = cv.CascadeClassifier(classifier)
    '''
    gray表示传入的灰度图(快速查询)
    在给定的灰度图像中检测人脸，并返回人脸的位置和大小。
    参数解释：
    - gray：输入的灰度图像。
    - 1.1：表示每次搜索窗口的比例系数，用于在图像上搜索不同大小的人脸。
    - 5：表示人脸被检测到后，需要至少相邻多少个像素才能认定是人脸。
    - cv.CASCADE_SCALE_IMAGE：表示使用尺度图像。
    - (100, 100)：表示人脸的最小尺寸。
    - (300, 300)：表示人脸的最大尺寸。
    '''
    face = face_detector.detectMultiScale(gray, 1.1, 5, cv.CASCADE_SCALE_IMAGE, (100, 100), (300, 300))

    for x, y, w, h in face:
        #在人脸位置识别并绘制矩形框
        cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=1)
        # 得到识别结果ids和差别difference
        ids, difference = recognizer.predict(gray[y:y + h, x:x + w])
        #当差别度大于60，就认为不是热巴
        if difference > 60:  # 差别较大,当做不认识
            cv.putText(img, "Who" + str(difference), (x + 10, y - 10), cv.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
        else:
            cv.putText(img, "DiLiReBa" + str(difference), (x + 10, y - 10), cv.FONT_HERSHEY_SIMPLEX, 0.75,
                       (0, 255, 0), 1)
    cv.imshow("result", img)

（三）加载需要识别的图片，并调用定义方法

从素材库选择一张照片，进行比较。

if __name__ == '__main__':
    # 读取需识别的图片
    img = cv.imread(photo)
    #人像识别
    face_detect(img)
    cv.waitKey(0)

六、获得结果

（一）当选取照片为迪丽热巴时，识别差异度约为10,低于阈值60，判定为迪丽热巴

（二）当选取照片为古力娜扎时，识别差异度为83，高于阈值60，判定为否，标记为Who

七、小结

人脸模型训练和根据图片进行的识别就到这里啦，后续还会更新根据摄像头捕捉到的画面动态识别人脸的Demo，敬请期待！

八、感谢

感谢各位大佬的莅临，学习之路漫漫，吾将上下而求索。有任何想法请在评论区留言哦！

再次感谢！