opencv人脸识别 (二)：人脸识别

       人脸检测是 OpenCV 的一个很不错的功能， 它是人脸识别的基础。 什么是人脸识别呢？

       其实就是一个程序能识别给定图像或视频中的人脸。 实现这一目标的方法之一是用一系列分好类的图像来“训练” 程序， 并基于这些图像来进行识别。这就是 OpenCV 及其人脸识别模块进行人脸识别的过程。

       人脸识别模块的另外一个重要特征是： 每个识别都具有转置信（confidence） 评分， 因此可在实际应用中通过对其设置阈值来进行筛选。

      人脸识别所需要的人脸可以通过两种方式来得到： 自己获得图像或从人脸数据库免费获得可用的人脸图像
 

训练数据

pycharm可以打开.cpm图像

 

import os
import cv2
import numpy as np
import sys
from PIL import Image


detector = cv2.CascadeClassifier("D:\\Anaconda3\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_default.xml")

def getImagesAndLabels(path):
	imagePaths = [os.path.join(path,f) for f in os.listdir(path)]
	faceSamples=[]
	ids = []
	for imagePath in imagePaths:
		#打开图片
		PIL_img = Image.open(imagePath).convert('L') # convert it to grayscale
		#将图像转换为数组
		img_numpy = np.array(PIL_img,'uint8')
		#获取每张图片的id
		#print(os.path.split(imagePath))
		id = int(os.path.split(imagePath)[-1].split(".")[0])
		faces = detector.detectMultiScale(img_numpy)
		for x,y,w,h in faces:
			faceSamples.append(img_numpy[y:y+h,x:x+w])
			ids.append(id)
	return faceSamples,ids

if __name__ == '__main__':
	#图片路径
	path='data/jm/'
	#获取图像数组和id标签数组
	faces, ids = getImagesAndLabels(path)
	#获取训练对象
	recognizer = cv2.face.LBPHFaceRecognizer_create()
	recognizer.train(faces, np.array(ids))  #要将ids从列表转换为数组
	# Save the model into trainer/trainer.yml
	recognizer.write('trainer/trainer.yml')

 

 

基于 LBPH 的人脸识别

      LBPH（Local Binary Pattern Histogram） 将检测到的人脸分为小单元， 并将其与模型中的对应单元进行比较， 对每个区域的匹配值产生一个直方图。 由于这种方法的灵活性， LBPH是唯一允许模型样本人脸和检测到的人脸在形状、 大小上可以不同的人脸识别算法。

      调整后的区域中调用 predict()函数， 该函数返回两个元素的数组： 第一个元素是所识别个体的标签， 第二个是置信度评分。 所有的算法都有一个置信度评分阈值， 置信度评分用来衡量所识别人脸与原模型的差距， 0 表示完全匹配。 可能有时不想保留所有的识别结果， 则需要进一步处理， 因此可用自己的算法来估算识别的置信度评分。

      LBPH 一个好的识别参考值要低于 50 ， 任何高于 80 的参考值都会被认为是低的置信度评分。

 

之前训练的数据都在trainer.yml里，

这次读取一个图片，程序会输入和训练数据的哪个最像，然后置信度评分是多少

import cv2
import numpy as np
import os

recognizer = cv2.face.LBPHFaceRecognizer_create()
#加载数据
recognizer.read('trainer/trainer.yml')
faceCascade = cv2.CascadeClassifier("D:\\Anaconda3\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_default.xml")
font = cv2.FONT_HERSHEY_SIMPLEX
id = 0
img=cv2.imread('1.pgm') #识别的图片
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
faces = faceCascade.detectMultiScale(gray)
for(x,y,w,h) in faces:
	cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)
	id, confidence = recognizer.predict(gray[y:y+h,x:x+w])
	print('标签id:',id,'置信评分:',confidence)

cv2.imshow('camera',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

6.pgm

这是训练用的数据集data/jm里的2.pgm，可见被识别的6.pgm和2.pgm还是属于同一个人的，只不过置信评分有些高了

 

 

1.gpm

data/jm里面就有这张照片，所以识别出来一摸一样，置信0.0