想要能人臉識別，我們需要訓練一個識別器處理。訓練的話就需要之前已經標注好的訓練集，在前一篇文章中，我們創建了一個已經標注好的訓練集。現在，是時候用這個訓練集來訓練一個人臉識別器了。當然，是用OpenCV Python。

準備

首先，我們在(前一篇文章的)同目錄下創建一個叫Python文件，名為trainner.py，用于編寫數據集生成腳本。同目錄下，創建一個文件夾，名為trainner，用于存放我們訓練后的識別器。

現在，項目目錄大概如此：

其他亂七八糟的文件、目錄，都是之前的文章中創建的。

在開始之前，我們先安裝一個Python庫，Pillow：

pip install pillow

開始Coding

導入庫

編寫訓練程序需要先做是：

導入opencv庫

導入os庫，用于方法文件

導入numpy庫，用于計算

導入pillow庫，用于處理圖像

其實就是這樣：

import cv2

import os

import numpy as np

from PIL import Image

現在我們初始化識別器和人臉檢測器：

recognizer = cv2.face.LBPHFaceRecognizer_create()

# 有可能是 recognizer = cv2.createLBPHFaceRecognizer()

detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")

如果face.LBPHFaceRecognizer_create或createLBPHFaceRecognizer顯示不存在，則需要下載opencv-contrib-python：

pip install opencv-contrib-python

當然用IDE的也行：

載入訓練數據

恩，現在我們來創建一個函數，用于從數據集文件夾中獲取訓練圖片，然后從圖片的文件名中獲取到這個素材相應的id。需要remind的是，根據前文，圖片的格式是User.id.samplenumber。

給函數起個名字，就叫get_images_and_labels吧(Python不建議用駝峰)，然后參數需要有素材的文件夾：

def get_images_and_labels(path):

在函數中，我們需要的做的有：

從數據集文件夾中載入訓練圖片

獲取到人臉和id

整理成list并返回

獲取圖片：

image_paths=[os.path.join(path, f) for f in os.listdir(path)]

新建兩個list用于存放：

face_samples=[]

ids=[]

遍歷圖片路徑，導入圖片和id，添加到list：

for image_path in image_paths:

image = Image.open(image_path).convert('L')

image_np = np.array(image, 'uint8')

image_id = int(os.path.split(image_path)[-1].split(".")[1])

faces = detector.detectMultiScale(image_np)

for (x, y, w, h) in faces:

face_samples.append(image_np[y:y + h, x:x + w])

ids.append(image_id)

以上代碼，使用了Image.open(image_path).convert(‘L’)通過圖片路徑并將其轉換為灰度圖片。

接下來我們通過image_np = np.array(image, 'uint8')將圖片轉換成了Numpy數組，Numpy數組的邏輯結構和普通的數組無異，但是是經過優化的。

為了獲取到id，我們將圖片的路徑分裂一下并獲取相關信息，即image_id = int(os.path.split(image_path)[-1].split(".")[1])

接下來的一個循環for (x, y, w, h) in faces則是將圖片和id都添加在list中。

再return一下即可。

訓練

差不多完成了，現在我們調用一下這個函數，然后將我們的數據喂給識別器去訓練吧。

faces, Ids = get_images_and_labels('dataSet')

recognizer.train(faces, np.array(Ids))

recognizer.save('trainner/trainner.yml')

現在只要我們運行這些代碼，程序就會在trainner文件夾中創建一個trainner.yml文件。

這個yml文件，存著我們的訓練好的數據，以后識別會用到的。

完整代碼

import cv2

import os

import numpy as np

from PIL import Image

# recognizer = cv2.createLBPHFaceRecognizer()

detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")

recognizer = cv2.face.LBPHFaceRecognizer_create()

def get_images_and_labels(path):

image_paths = [os.path.join(path, f) for f in os.listdir(path)]

face_samples = []

ids = []

for image_path in image_paths:

image = Image.open(image_path).convert('L')

image_np = np.array(image, 'uint8')

if os.path.split(image_path)[-1].split(".")[-1] != 'jpg':

continue

image_id = int(os.path.split(image_path)[-1].split(".")[1])

faces = detector.detectMultiScale(image_np)

for (x, y, w, h) in faces:

face_samples.append(image_np[y:y + h, x:x + w])

ids.append(image_id)

return face_samples, ids

faces, Ids = get_images_and_labels('dataSet')

recognizer.train(faces, np.array(Ids))

recognizer.save('trainner/trainner.yml')

先這樣吧

若有錯誤之處請指出，更多地關注煎魚。

總結

以上是生活随笔為你收集整理的python识别人脸多种属性_OpenCV-Python（3）训练一个人脸识别器的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。