想要能人脸识别，我们需要训练一个识别器处理。训练的话就需要之前已经标注好的训练集，在前一篇文章中，我们创建了一个已经标注好的训练集。现在，是时候用这个训练集来训练一个人脸识别器了。当然，是用OpenCV Python。
准备
首先，我们在（前一篇文章的）同目录下创建一个叫Python文件，名为trainner.py，用于编写数据集生成脚本。同目录下，创建一个文件夹，名为trainner，用于存放我们训练后的识别器。
现在，项目目录大概如此：
其他乱七八糟的文件、目录，都是之前的文章中创建的。
在开始之前，我们先安装一个Python库，Pillow：
pip install pillow开始Coding
导入库
编写训练程序需要先做是：
- 导入opencv库
- 导入os库，用于方法文件
- 导入numpy库，用于计算
- 导入pillow库，用于处理图像
其实就是这样：
import cv2
import os
import numpy as np
from PIL import Image现在我们初始化识别器和人脸检测器：
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显示不存在，则需要下载opencv-contrib-python：
pip install opencv-contrib-python当然用IDE的也行：
载入训练数据
恩，现在我们来创建一个函数，用于从数据集文件夹中获取训练图片，然后从图片的文件名中获取到这个素材相应的id。需要remind的是，根据前文，图片的格式是User.id.samplenumber。
给函数起个名字，就叫get_images_and_labels吧（Python不建议用驼峰），然后参数需要有素材的文件夹：
def get_images_and_labels(path):在函数中，我们需要的做的有：
- 从数据集文件夹中载入训练图片
- 获取到人脸和id
- 整理成list并返回
获取图片：
image_paths=[os.path.join(path, f) for f in os.listdir(path)]新建两个list用于存放：
face_samples=[]
ids=[]遍历图片路径，导入图片和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)以上代码，使用了Image.open(image_path).convert(‘L’)通过图片路径并将其转换为灰度图片。
接下来我们通过image_np = np.array(image, 'uint8')将图片转换成了Numpy数组，Numpy数组的逻辑结构和普通的数组无异，但是是经过优化的。
为了获取到id，我们将图片的路径分裂一下并获取相关信息，即image_id = int(os.path.split(image_path)[-1].split(".")[1])
接下来的一个循环for (x, y, w, h) in faces则是将图片和id都添加在list中。
再return一下即可。
训练
差不多完成了，现在我们调用一下这个函数，然后将我们的数据喂给识别器去训练吧。
faces, Ids = get_images_and_labels('dataSet')
recognizer.train(faces, np.array(Ids))
recognizer.save('trainner/trainner.yml')现在只要我们运行这些代码，程序就会在trainner文件夹中创建一个trainner.yml文件。
这个yml文件，存着我们的训练好的数据，以后识别会用到的。
完整代码
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')先这样吧
原文，若有错误之处请指出，更多地关注煎鱼。